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！

龙图腾网获悉武汉大学申请的专利高光谱遥感影像解混方法及系统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：CN116883857B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202310765896.1，技术领域涉及：G06V20/13；该发明授权高光谱遥感影像解混方法及系统是由贺威;胡磊;邹佳琦;吴志友;孙嘉星;宋阳;张洪艳;杨光义设计研发完成，并于2023-06-26向国家知识产权局提交的专利申请。

本高光谱遥感影像解混方法及系统在说明书摘要公布了：本发明提供高光谱遥感影像解混方法及系统，能够有效提高高光谱遥感影像的解混效率和解混效果，方法包括：步骤1，获取训练样本；步骤2，首先构建Ghost模块，将3D卷积层分解成三个阶段的卷积操作，第一阶段采用普通卷积产生中间输出特征图；第二阶段对中间输出特征图的每个固有特征图进行廉价操作，以获取ghost特征图；第三阶段将中间输出特征图和ghost特征图进行联合；接着构建Ghost注意力模块，进而搭建Ghost注意力解混网络；步骤3，采用训练样本训练Ghost注意力解混网络；步骤4，获取待解混的高光谱影像；步骤5，采用训练好的Ghost注意力解混网络进行解混，得到高光谱遥感图像解混结果。

本发明授权高光谱遥感影像解混方法及系统在权利要求书中公布了：1.高光谱遥感影像解混方法，其特征在于，包括如下步骤： 步骤1，获取高光谱影像作为训练样本； 步骤2，搭建Ghost注意力解混网络： 步骤2-1，构建Ghost模块：将3D卷积层分解成三个阶段的卷积操作，第一阶段，采用卷积核大小为1的普通卷积产生中间输出特征图，和分别表示中间输出数据的高和宽，B表示光谱波段数，三维卷积滤波器f的核大小为，n’表示中间输出特征图的通道数；第二阶段，采用卷积核大小为3，对中的每个固有特征图进行廉价操作，以获取g个ghost特征图；第三阶段将普通卷积生成的中间输出特征图和ghost特征图进行联合，通道数为； 式中，为联合操作，代表输出特征图带有n个通道数，是在中第i个的固有特征图，表示在第i个固有特征图上进行第j个线性操作以获得第j个ghost特征图；拥有至少一个ghost特征图；b是偏置； 步骤2-2，构建Ghost注意力解混网络：将Ghost模块与归一化注意力模块串联形成Ghost注意力模块，然后基于Ghost注意力模块搭建Ghost注意力解混网络；Ghost注意力解混网络包括三个卷积模块C1~C3、二个Ghost注意力模块、二个残差模块和一个全连接模块； 步骤3，采用训练样本训练Ghost注意力解混网络； 步骤4，获取待解混的高光谱影像； 步骤5，采用训练好的Ghost注意力解混网络对将待解混的高光谱影像进行解混，得到高光谱遥感图像解混结果； 其中，在步骤2-2中，设置Ghost注意力解混网络为： 第一个卷积模块C1的输入为预处理后的高光谱影像，卷积核大小为3，步长大小为1；第一个Ghost注意力模块的输入为C1的输入特征图F1； 第一个残差模块的输入为特征图F1，用于连接C1的输出与第一个Ghost注意力模块的输出； 第二个卷积模块C2包括一层平均池化和一层卷积层，输入为所述卷积模块C1的输出特征图F1与第一个Ghost注意力模块的输出F2进行残差连接的结果F3，一层平均池化和一层卷积层的核大小分别为2和1，步长大小为1； 第二个Ghost注意力模块的输入为第二个卷积模块C2的输入特征图F4； 第二个残差模块的输入为特征图F4，用于连接第二个卷积模块C2的输出与第二个Ghost注意力模块的输出； 第三个卷积模块C3由一层平均池化组成，核大小为2，步长大小为1，输入为第二个卷积模块C2的输出特征图F4与第二个Ghost注意力模块的输出F5进行残差连接的结果F6； 全连接模块包括展开层和三层全连接层，输入为第三个卷积模块C3的输出特征图F7； 卷积之后均依次加入归一化层和激活层；全连接模块中前两层全连接后均接有Dropout层，最后一层全连接层附带有Softmax函数。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。