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！

龙图腾网获悉上海理工大学申请的专利一种适用于低标注样本场景的自监督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：CN121147775B 。

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：202511706140.5，技术领域涉及：G06V20/10；该发明授权一种适用于低标注样本场景的自监督高光谱图像分类方法是由徐夏娟;张荣福;周金超;刘星宰;余诺栖;俞宪同设计研发完成，并于2025-11-20向国家知识产权局提交的专利申请。

本一种适用于低标注样本场景的自监督高光谱图像分类方法在说明书摘要公布了：本发明公开了一种适用于低标注样本场景的自监督高光谱图像分类方法，涉及高光谱遥感图像处理技术领域，包括面向低标注场景的自监督类别感知网络；在预训练阶段，采用分组光谱增强模块、光谱自注意力模块和掩码重建，通过最小化重建图像与原始被遮蔽区域之间的差异，引导模型在无标签条件下聚焦于类别敏感的空间‑光谱特征；在微调阶段，以预训练的网络参数作为初始化参数，通过分类损失进一步细化特征表达。因此，采用上述一种适用于低标注样本场景的自监督高光谱图像分类方法，实现了困难样本特征的无损传递，增强了混合像元的区分性特征表达，并提升了少样本类别的分类均衡性。

本发明授权一种适用于低标注样本场景的自监督高光谱图像分类方法在权利要求书中公布了：1.一种适用于低标注样本场景的自监督高光谱图像分类方法，其特征在于，包括以下步骤： S1、采集原始高光谱图像块，并构建面向低标注场景的自监督类别感知网络，包括分组光谱增强模块、光谱自注意力模块、掩码重建和微调阶段； S2、在预训练阶段，引导模型在无标签条件下聚焦于类别敏感的空间-光谱特征； S21、基于原始高光谱图像块，通过分组光谱增强模块，生成兼具关键空间结构与类别响应性的空间-光谱特征； S22、基于空间-光谱特征，通过光谱自注意力模块，捕捉谱段间非局部依赖关系，增强跨谱段的判别能力，输出融合谱段全局依赖与空间结构的空间-光谱联合特征； S23、通过掩码重建，将空间-光谱联合特征划分为N个相同尺寸的小块，随机遮蔽部分小块，并加入可学习的分类标记与位置信息，生成掩码标记、未掩码标记和分类标记； S24、将分类标记和未掩码标记共同输入至编码器进行特征编码，生成高层语义潜在特征； S25、将编码器输出的高层语义潜在特征和掩码标记共同输入解码器重建被遮蔽区域，生成重建图像； S26、通过计算重建图像与原始被遮蔽区域之间的差异，在无标签监督的条件下引导模型优化特征提取能力，进而更新网络参数； S3、在微调阶段，以预训练的网络参数作为初始化参数，通过分类损失进一步细化特征表达； S21包括： S211、通过卷积对原始高光谱数据进行光谱通道调整，调整后的光谱通道数为，且设置为预设分组数的整数倍； S212、依次采用不同大小的分组卷积，保留不同尺度的局部空间结构和光谱通道的交互特性，再通过批归一化处理和非线性激活操作，得到局部空间特征； S213、通过全局平均池化，提取全局特征，并通过两层全连接网络进行通道权重的学习，得到重要通道特征权重，再通过残差连接局部空间特征，得到增强后的空间-光谱特征。

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上海理工大学，其通讯地址为：200093 上海市杨浦区军工路516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。