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！

龙图腾网获悉西安邮电大学;上海人工智能创新中心申请的专利一种基于空谱结合图学习的高光谱波段选择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：CN117132892B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202311110997.1，技术领域涉及：G06V20/10；该发明授权一种基于空谱结合图学习的高光谱波段选择方法是由李淑英;刘喆设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。

本一种基于空谱结合图学习的高光谱波段选择方法在说明书摘要公布了：本公开是关于一种基于空谱结合图学习的高光谱波段选择方法，该方法包括：首先，将高光谱图像立方体进行预处理，得到高光谱图像数据矩阵，并利用高光谱图像数据矩阵中的空间像素点集合构造出空间亲和矩阵，以及利用高光谱图像数据矩阵中的光谱数据点集合构造出光谱亲和矩阵；然后，将空间亲和矩阵和光谱亲和矩阵都嵌入自表示模型中，得到包含系数矩阵的图自表示模型；最后，对系数矩阵的邻近波段进行重构目标函数的处理，得到最优波段子集。本公开能够提高光谱波段选择算法在空间和光谱两个维度的鲁棒性和有效性，同时保证了高光谱波段之间局部空间的一致性。

本发明授权一种基于空谱结合图学习的高光谱波段选择方法在权利要求书中公布了：1.一种基于空谱结合图学习的高光谱波段选择方法，其特征在于，所述高光谱波段选择方法包括： 将高光谱图像立方体进行预处理，得到高光谱图像数据矩阵；所述高光谱图像数据矩阵包括空间像素点集合和光谱数据点集合； 所述高光谱图像数据矩阵的表达式包括： 1 其中，X表示高光谱图像数据矩阵；Y表示空间像素点集合，，B表示高光谱图像的波段总数，；R表示高光谱图像数据集合；Y×B表示维度； 将所述空间像素点集合分割成多个区域，多个所述区域包括多个同质区域和多个非同质区域；分别计算多个所述同质区域之间的像素亲和值，由此构造出空间亲和矩阵； 所述将所述空间像素点集合分割成多个区域，多个所述区域包括多个同质区域和多个非同质区域；分别计算多个所述同质区域之间的像素亲和值，由此构造出空间亲和矩阵的步骤包括： 利用熵率超像素分割算法将所述空间像素点集合分割成多个所述区域；将每个所述区域中包含的相似的像素点分别划分在一个所述同质区域内，将其他相异的像素点分别划分在一个非同质区域内；由此形成多个所述同质区域和多个所述非同质区域； 利用高斯核函数分别计算多个所述同质区域中所有像素点之间的像素亲和值，并将多个所述非同质区域中所有像素点之间的像素亲和值设置为零；构造出所述空间亲和矩阵； 所述熵率超像素分割算法的表达式包括： 2 其中，表示熵率函数；表示平衡项；表示和之间的权重因子；表示最小化； 分割后所述同质区域的表达式包括： 3 其中，H表示高光谱图像立方体；至分别表示被分割成的多个同质区域；表示约束于； 设置与所述光谱数据点集合相关的光谱目标函数，并在所述光谱目标函数中施加多个约束，由此构造出光谱亲和矩阵； 建立自表示模型，将所述空间亲和矩阵和所述光谱亲和矩阵都嵌入所述自表示模型中，并引入拉普拉斯正则化项，得到图自表示模型，所述图自表示模型包括系数矩阵； 对所述系数矩阵对应的多个邻近波段进行重构目标函数的处理，得到所要选择的最优波段子集。

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西安邮电大学;上海人工智能创新中心，其通讯地址为：710061 陕西省西安市长安南路563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。