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！

龙图腾网获悉河南理工大学申请的专利一种融合CNN和ViT空谱特征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：CN116824220B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202310599079.3，技术领域涉及：G06V10/764；该发明授权一种融合CNN和ViT空谱特征的高光谱图像分类方法是由于海洋;王孝华;张平设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本一种融合CNN和ViT空谱特征的高光谱图像分类方法在说明书摘要公布了：本发明涉及一种融合CNN和ViT空谱特征的高光谱图像分类方法，包括以下步骤：步骤S1：HSI数据集预处理；对HSI数据集进行主成分分析PCA降维处理，并提取HSI像元的三维patches；步骤S2：光谱特征提取；步骤S3：空间特征提取；步骤S4:空‑谱特征融合；步骤S5:将步骤S4获得的融合特征直接输入线性层进行分类输出。本发明具有的优点是提出了联合不同卷积核大小的3DCNN、2DCNN分别和基于多头自注意力的ViT用于提取HSI的局部和全局光谱特征和空间特征；级联提取到的空间和光谱特征以及最初的降维后的原高光谱图像，充分利用影像的浅层及深层特征，从而实现高效的空谱特征的融合分类。

本发明授权一种融合CNN和ViT空谱特征的高光谱图像分类方法在权利要求书中公布了：1.一种融合CNN和ViT空谱特征的高光谱图像分类方法，其特征在于，包括以下步骤： 步骤S1：HSI数据集预处理； 对HSI数据集进行主成分分析PCA降维处理，提取HSI像元的三维patches； 步骤S2：光谱特征提取； 三维patches输入到不同卷积核大小的Conv3D层中，挖掘出光谱信息的特征图，并将该特征图通过展平处理后输入到ViT的TransformerEncode模块中，以提取HSI的局部和全局的光谱信息； 步骤S3：空间特征提取； 将步骤S2所得光谱特征图输入到相同卷积核的Conv2D层，挖掘出空间信息的特征图，并将该特征图通过展平处理后输入到ViT的TransformerEncode模块中，以提取HSI的局部和全局的空间信息； 步骤S4:空-谱特征融合； 级联步骤S1提取的三维patches、步骤S2提取的光谱特征及步骤S3提取的空间特征，将级联结果输入到一个Conv2D层中，并将所得特征图通过语义标记器转换输入到TransformerEncode模块中，实现特征融合； 步骤S5:将步骤S4获得的融合特征直接输入线性层进行分类输出。

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河南理工大学，其通讯地址为：454150 河南省焦作市高新区世纪大道2001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。