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！

龙图腾网获悉海南大学申请的专利基于GAT和3D-CNN的多特征融合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：CN115375941B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202211007408.2，技术领域涉及：G06V10/764；该发明授权基于GAT和3D-CNN的多特征融合高光谱图像分类方法是由尤佳;李京兵;龚诚;郑俊华;唐浩;刘婧设计研发完成，并于2022-08-22向国家知识产权局提交的专利申请。

本基于GAT和3D-CNN的多特征融合高光谱图像分类方法在说明书摘要公布了：本申请涉及高光谱图像处理领域，公开了一种基于GAT和3D‑CNN的多特征融合高光谱图像分类方法，该方法包括：构建多特征融合模型；多特征融合模型包括3D‑CNN分类器和GAT分类器；将待测高光谱图像数据输入至多特征融合模型中；利用3D‑CNN分类器从待测高光谱图像数据中提取高级特征图；利用GAT分类器从待测高光谱图像数据中提取超像素级特征图；将高级特征图和超像素级特征图进行线性特征融合，输出待测高光谱图像数据的分类结果。这样可以实现较好的高光谱图像分类结果，整体计算效率高，时间消耗低。

本发明授权基于GAT和3D-CNN的多特征融合高光谱图像分类方法在权利要求书中公布了：1.一种基于GAT和3D-CNN的多特征融合高光谱图像分类方法，其特征在于，包括： 构建多特征融合模型；所述多特征融合模型包括3D-CNN分类器和GAT分类器；在构建所述多特征融合模型的过程中，包括：利用双卷积池化结构构建所述3D-CNN分类器；3D-CNN神经元在x,y,z处的值对应的公式为： ； 其中，i代表第i层神经元，j代表第j个特征图；和是卷积核的高和宽，是卷积核沿谱维度的维度大小，m代表个数与前一层相连的特征的个数，与每一层的特征维度有关；是第m个特征中连接到第p,q,r个神经元的权重，是第j个特征图在第i层神经元上的偏差值；g是激活函数； GAT分类器包括第一GAT分类器和第二GAT分类器；构建所述GAT分类器的过程中，包括：利用第一GAT层，在所述第一GAT层之后依次设置的三个模块和一个第一线性层构建所述第一GAT分类器；其中每个所述模块包括第一3D-CNN层和第一最大池化层；利用第二GAT层、与所述第二GAT层并行的第二3D-CNN层，在所述第二3D-CNN层之后设置的第二最大池化层，分别与所述第二GAT层和所述第二最大池化层连接的第二线性层构建所述第二GAT分类器； 将待测高光谱图像数据输入至所述多特征融合模型中； 利用所述3D-CNN分类器从所述待测高光谱图像数据中提取高级特征图； 利用所述GAT分类器从所述待测高光谱图像数据中提取超像素级特征图，包括：利用所述GAT分类器对所述待测高光谱图像数据中各视图的每一层进行学习，计算每一层视图的节点表示；在不同视图之间引入注意力机制，学习不同视图的权重；根据学习到的权重，对每个视图进行加权相加，得到全局节点表示；其中，相邻节点特征的权重完全依赖于节点特征，与图结构无关； 将所述高级特征图和所述超像素级特征图进行线性特征融合，经过全连接层输出所述待测高光谱图像数据的分类结果。

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海南大学，其通讯地址为：570228 海南省海口市人民大道58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。