Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 湖南工业大学张瀛获国家专利权

湖南工业大学张瀛获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉湖南工业大学申请的专利一种基于Retinex模型的高光谱图像分类方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119942220B

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510103678.0,技术领域涉及:G06V10/764;该发明授权一种基于Retinex模型的高光谱图像分类方法是由张瀛;沈锦泰;贾林;刘子坤;韩坤朋设计研发完成,并于2025-01-22向国家知识产权局提交的专利申请。

一种基于Retinex模型的高光谱图像分类方法在说明书摘要公布了:本发明公布了一种基于Retinex模型的高光谱图像分类方法,属于图像处理技术领域,包括以下步骤:对高光谱图像进行Retinex分解,得到固有属性分量和光照分量;通过双分支网络分别对固有属性分量和光照分量进行特征提取,其中固有属性分量特征提取器用于提取高光谱图像的材质特征和纹理信息,光照分量特征提取器用于提取高光谱图像的光照特征;利用基于交互注意力机制的特征融合模块对提取的固有属性特征和光照特征进行融合,生成融合后的特征表示;对融合后的特征进行分类,生成高光谱图像的分类结果。本发明能够有效提取高光谱图像中的空谱特征,显著提高了分类精度,具有广泛的应用前景,适用于复杂光照条件下的高光谱图像分类任务。

本发明授权一种基于Retinex模型的高光谱图像分类方法在权利要求书中公布了:1.一种基于Retinex模型的高光谱图像分类方法,其特征在于,包括以下步骤: 对高光谱图像进行Retinex分解,得到固有属性分量和光照分量; 通过双分支网络分别对固有属性分量和光照分量进行特征提取,其中固有属性分量特征提取器用于提取高光谱图像的材质特征和纹理信息,光照分量特征提取器用于提取高光谱图像的光照特征; 利用基于交互注意力机制的特征融合模块对提取的固有属性特征和光照特征进行融合,生成融合后的特征表示; 对融合后的特征进行分类,生成高光谱图像的分类结果; 所述基于交互注意力机制的特征融合模块包括: 将固有属性特征和光照特征分别通过卷积层转换为查询向量Query、键向量Key和值向量Value,其中卷积核大小为3×3; 通过点积计算查询向量和键向量之间的相似度,生成能量矩阵; 通过Softmax函数对能量矩阵进行归一化,生成注意力权重矩阵; 将注意力权重矩阵与值向量相乘,生成融合后的特征图; 通过残差连接将融合后的特征图与原始特征图相加,其中残差连接的权重γ为可学习参数; 将残差连接后的特征图通过两个并行的多层感知机MLP进行加权融合,生成最终的分类特征; 所述交互注意力机制的特征融合模块中,查询向量Query、键向量Key和值向量Value的生成过程包括: 使用3×3卷积核对固有属性特征和光照特征分别进行卷积操作,生成查询向量、键向量和值向量; 通过点积计算查询向量和键向量之间的相似度,生成能量矩阵; 通过Softmax函数对能量矩阵进行归一化,生成注意力权重矩阵; 将注意力权重矩阵与值向量相乘,生成融合后的特征图; 通过残差连接将融合后的特征图与原始特征图相加,其中残差连接的权重γ为可学习参数,初始值为1.0; 将残差连接后的特征图通过两个并行的多层感知机MLP进行加权融合,生成最终的分类特征。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人湖南工业大学,其通讯地址为:412000 湖南省株洲市泰山西路88号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。