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！

龙图腾网获悉北京科技大学申请的专利一种频域Mamba的多尺度高光谱图像分类方法及装置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：CN120259735B 。

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：202510298941.6，技术领域涉及：G06V10/764；该发明授权一种频域Mamba的多尺度高光谱图像分类方法及装置是由李江昀;张笑辰;庄培显;顾桐;王昊;张茜格;王宏;袁立;张天翔设计研发完成，并于2025-03-13向国家知识产权局提交的专利申请。

本一种频域Mamba的多尺度高光谱图像分类方法及装置在说明书摘要公布了：本发明提供一种频域Mamba的多尺度高光谱图像分类方法及装置，涉及高光谱图像分类技术领域。所述方法包括：收集高光谱图像数据，进行预处理，并分割为多个图像块；将图像块输入空间光谱交互特征提取模块，通过空间分支和光谱空间融合分支提取交互特征；将交互特征输入频域扰动嵌入模块，得到频域处理后的特征；将频域处理后的特征输入自适应双向Mamba模块，进行前向和后向的空间特征与光谱特征提取；对不同阶段的光谱特征和空间特征进行多层次整合，得到全局特征，并实现最终分类。本发明能够显著提升高光谱图像分类的准确性与鲁棒性，并且在不同数据集和复杂场景下均展现出更强的泛化能力和稳定性。

本发明授权一种频域Mamba的多尺度高光谱图像分类方法及装置在权利要求书中公布了：1.一种频域Mamba的多尺度高光谱图像分类方法，其特征在于，包括以下步骤： S1、收集高光谱图像数据，建立样本数据集； S2、对所述样本数据集进行预处理，划分训练集和测试集，并将输入图像分割为多个图像块； S3、将所述图像块输入空间光谱交互特征提取模块，所述空间光谱交互特征提取模块包括空间分支和光谱空间融合分支，通过空间分支提取局部空间特征，通过光谱空间融合分支提取光谱空间特征，并将所述局部空间特征与所述光谱空间特征相结合，得到交互特征； 所述步骤S3具体包括： 将分割的图像块同时输入所述空间分支和所述光谱空间融合分支； 在所述空间分支中，图像块首先通过1×1卷积进行通道交互，同时保持空间分辨率，随后使用3×3卷积捕获局部空间特征；上述两种卷积都伴随批量归一化和GELU激活函数； 在所述光谱空间融合分支中，通过1×1×1的3D卷积提取光谱空间特征； 将所述局部空间特征与所述光谱空间特征逐元素相加进行结合，通过动态门嵌入生成注意力图，结合后的特征与所述注意力图逐元素相乘，得到交互特征； S4、将所述交互特征输入频域扰动嵌入模块，通过快速傅里叶变换转换到频域，提取加入噪声扰动后的频域特征，再通过逆快速傅里叶变换进行还原，得到频域处理后的特征； 所述步骤S4具体包括： 对交互特征进行快速傅里叶变换；对加入噪声扰动后的实部特征和虚部特征进行组卷积嵌入处理，之后分别进行GELU非线性激活函数处理；接着，通过复数变换进行信息融合；最后，通过逆快速傅里叶变换得到频域处理后的特征； S5、将所述频域处理后的特征输入自适应双向Mamba模块，进行前向和后向的空间特征与光谱特征提取； 所述步骤S5具体包括： 对频域处理后的特征进行旋转位置编码得到嵌入序列表示，将嵌入序列表示归一化并线性投影到高维空间获得前向特征； 将前向特征反转获得后向特征，之后将前向特征和后向特征作为输入，进行前向和后向的空间特征提取；前向特征和后向特征分别通过1D卷积和激活函数SiLU，并分别输入到状态空间方程SSM中；SSM通过隐藏状态建模输入到输出的转换； 经过状态空间方程SSM后，再分别乘以门控激活函数G，得到前向分支和后向分支的输出特征；各分支的输出特征在后续阶段通过平均池化层AP、卷积层Conv2d、激活函数层RELU，最后经过Sigmoid激活函数计算权重后，对不同特征进行加权融合； S6、利用光谱特征整合模块对不同阶段的光谱特征进行整合，得到整合后的光谱特征； 所述步骤S6具体包括： 提取三个不同阶段的光谱特征，分别输入到不同的卷积层C1、C2、C3中，进行通道维度对齐操作； 在完成通道维度对齐后，光谱特征进入通道注意力块，进一步调节各个通道的权重θ1、θ2、θ3； 调节后的光谱特征通过逐元素加法进行整合，得到整合后的光谱特征； S7、利用空间特征整合模块对不同阶段的空间特征进行整合，得到整合后的空间特征； 所述步骤S7具体包括： 提取三个不同阶段的空间特征，分别经过8倍、4倍和2倍上采样构建跨分辨率的特征表达； 第一阶段的空间特征通过2倍下采样与4倍下采样的对称结构，分别与上采样后的第二阶段和第三阶段的空间特征融合； 每个阶段引入线性层与Sigmoid激活函数，之后分别经过卷积层S1、S2、S3，其中，通过可学习参数δ1、δ2、δ3动态调节各阶段的权重； 调节后的空间特征通过逐元素加法进行整合，得到整合后的空间特征； S8、对整合后的光谱特征和整合后的空间特征进行进一步整合，得到全局特征，并实现最终分类。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30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。