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！

龙图腾网获悉天津理工大学;天津泰美科科技有限公司申请的专利基于残差增强空谱融合超图神经网络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：CN116152544B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202211378204.X，技术领域涉及：G06V10/764；该发明授权基于残差增强空谱融合超图神经网络的高光谱图像分类方法是由杨延红;李丹阳;颜磊;陈胜勇设计研发完成，并于2022-11-04向国家知识产权局提交的专利申请。

本基于残差增强空谱融合超图神经网络的高光谱图像分类方法在说明书摘要公布了：一种基于残差增强空谱融合超图神经网络的高光谱图像分类方法，包括以下步骤：S1：通过不同的特征提取策略分别提取高光谱图像的光谱‑空间特征，即将原始图像展平成矩阵计算光谱特征，由像素的水平和垂直坐标生成空间特征；S2：将不同模态的特征分别生成超图并进行融合，生成多模态超图关联矩阵；并且根据超图结构计算出超边和顶点；S3：将超图和高光谱原始特征输入到残差增强的超图神经网络进行训练，通过反向传播动态更新超图，得到每个像素的预测分类标签。本发明可以充分表示高光谱图像中丰富且复杂的信息，而且解决了高光谱在传统深度学习中随着深度增加带来的性能显著下降问题，以达到最好的训练效果。

本发明授权基于残差增强空谱融合超图神经网络的高光谱图像分类方法在权利要求书中公布了：1.一种基于残差增强空谱融合超图神经网络的高光谱图像分类方法，其特征在于，所述方法包括以下步骤： 步骤S1：通过不同的特征提取策略分别提取高光谱图像的光谱-空间特征，即将原始图像展平成矩阵计算光谱特征，由像素的水平和垂直坐标生成空间特征； 步骤S2：将不同模态的特征分别生成超图并进行融合，生成多模态超图关联矩阵；并且根据超图结构计算出超边和顶点； 步骤S3：将超图和高光谱原始特征输入到残差增强的超图神经网络进行训练，通过反向传播动态更新超图，得到每个像素的预测分类标签； 所述步骤S2包括以下步骤： 步骤S21：生成超图关联矩阵：对步骤S1得到的光谱特征和空间特征通过公式2分别构造超图和： 2； 其中，表示顶点是顶点的个最近邻，表示所有最近邻顶点之间的平均欧氏距离，为可调节超参数，为超边； 步骤S22：由超图计算超边和顶点，参照公式3： 3； 其中，表示顶边度的对角矩阵，是超边权重参数，表示边度的对角矩阵； 所述步骤S3包括以下步骤： 步骤S31：超图拉普拉斯矩阵生成：拉普拉斯矩阵是图的一种矩阵表示，传统图的拉普拉斯矩阵定义为： 4； 其中，为图的度矩阵，为图的邻接矩阵，超图的邻接矩阵可定义为： 5； 超图拉普拉斯矩阵有如下变换： 6； 因此，经过推导对给定图像特征，超图上的卷积操作可以定义为： 7； 其中，表示超边度矩阵，表示顶点度矩阵，为原始超图的关联矩阵，表示超边的权重矩阵，其对角线上的元素表示每条超边的权值，表示超参数； 步骤S32：残差增强的超图神经网络构造：整个网络的开头和结尾都分别增加一个线性层，将处理好的数据先通过一个线性层实现数据的线性组合，采用非线性激活函数，在激活函数前后分别使用一次归一化操作；操作是将超图和高光谱图像同时输入到网络中，首先是对高光谱原始特征进行归一化和Dropout处理，防止过拟合；随后传入残差增强的超图卷积层中，在第层的传播过程定义为： 8； 其中，、是超参数，分别设置为0.5和0.1，是单位矩阵。

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天津理工大学;天津泰美科科技有限公司，其通讯地址为：300384 天津市西青区宾水西道391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。