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！

龙图腾网获悉河海大学申请的专利一种高光谱影像与激光雷达数据协同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：CN119888488B 。

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：202411930226.1，技术领域涉及：G06V20/10；该发明授权一种高光谱影像与激光雷达数据协同分类方法是由高红民;冯浩;徐淑芳;张亦严;李臣明设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本一种高光谱影像与激光雷达数据协同分类方法在说明书摘要公布了：本发明公开了一种高光谱影像与激光雷达数据协同分类方法，包括：光谱空间特征交互增强模块，图卷积模块，多头自注意力模块和光谱空间信息渐进特征融合模块。具体而言，首先通过加权特征融合和交叉模态卷积，挖掘高光谱图像与激光雷达数据之间的深层光谱空间信息，分别提取得到空间元素级和光谱通道级交互特征；然后，利用图卷积网络提取空间元素级和光谱通道级交互特征中的空间信息，计算光谱相似度并构建邻接矩阵，然后通过图卷积操作对空间特征进行学习，得到新的空间特征表示；接着，通过多头自注意力机制增强光谱特征的全局依赖性，对提取的空间特征和光谱特征进行融合；最后，采用基于最大值的决策融合和渐进式特征融合策略，将不同层次的特征进行综合，得到最终的融合特征，再进行最终分类，并输出结果。本发明通过光谱空间特征交互增强模块、图卷积模块和多头自注意力模块来同时获取丰富的空间‑光谱特征，并加入光谱空间信息渐进特征融合模块，调控不同感知层次的信息交互，发挥了多模态信息的协同优势，显著提升地物分类任务的精度与稳定性。

本发明授权一种高光谱影像与激光雷达数据协同分类方法在权利要求书中公布了：1.一种高光谱影像与激光雷达数据协同分类方法，其特征在于，包括如下步骤： S1：处理原始高光谱图像XHSI和激光雷达数据XLidar时，采用主成分分析PCA降维的方法对XHSI处理，以减少数据维度并提取关键特征，同时对高光谱图像XHSI和激光雷达数据XLidar进行归一化操作，最后将图像切割成大小为P*P的图像块，得到FHSI和FLidar； S2：通过加权特征融合和交叉模态卷积，挖掘高光谱图像深层光谱空间信息，分别提取得到空间元素级交互特征和光谱通道级交互特征；通过对FHSI和FLidar的深度融合，利用加权融合和交叉模态卷积两种策略，分别得到融合后的空间特征fspa和fspe；该步骤包括： S21，空间元素级特征交互：将FHSI和FLidar两种模态特征进行加权融合，引入一个可学习参数α，其中，FHsi∈RB*C*H*W，FLidar∈RB*1*H*W，B表示batch大小，C表示通道数，H和W表示图像块的长和宽，得到Fspa∈RB*C*H*W； Fspa＝α*FHSI+1-α*FLidar S22，光谱通道级特征交互：通过构建交叉模态卷积来增强特征交互；将FLidar特征通过卷积操作映射到FHSI特征空间，通道数从1映射为C，得到Flidar_hsi∈RB*C*H*W；对FHSI和Flidar_hsi特征在光谱维度上进行均值操作，得到融合后的特征，得到Fspe∈RB*C*H*W； Fspe＝FHSI+Flidar_hsi2 S3：为了对空间元素级交互特征fspa和光谱通道级交互特征fspe中包含的空间信息充分利用，采用图卷积网络GCN来对像素进行处理，得到和 S4：将分别提取的空间特征和光谱特征通过多头自注意力机制充分提取光谱信息；将输入特征向量和分别映射为对应的查询Q、键K和值V，然后将Q，K和V矩阵映射到h个潜在空间，并最终计算注意力值；基于多头自注意力MSA的全局光谱依赖性的计算过程如下： 最终，得到的输出结果Fspa和Fspe分别表示为 S5：通过基于最大值的决策融合，对每个位置的特征进行综合考量，从而得到融合特征Fmax，采用渐进式特征融合的方法，通过融合特征Fmax分别对原始空间增强特征Fspa和光谱增强特征Fspe强化显性特征，最后对强化后的显性特征和Fmax进行拼接，得到Ffusion，结合不同层次的特征，充分利用光谱和空间信息，得到最终的结果。

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海大学，其通讯地址为：211100 江苏省南京市江宁区秣陵街道佛城西路8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。