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！

龙图腾网获悉广东工业大学申请的专利一种多光谱全要素特征的范式图嵌入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：CN116580207B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202310575724.8，技术领域涉及：G06V10/40；该发明授权一种多光谱全要素特征的范式图嵌入方法是由邸江磊;江文隽;秦智坚;吴计;王萍;任振波;秦玉文设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本一种多光谱全要素特征的范式图嵌入方法在说明书摘要公布了：本发明属于一种图像处理领域，公开了一种多光谱全要素特征的范式图嵌入方法，用来获取多光谱数据三个方面的特征图，具体步骤如下：首先将多光谱图像中的空间信息与光谱信息特征进行融合，然后将融合后的特征信息通过基于流形学习与空谱嵌入的方法进行数据特征的提取与降维。将降维后的多光谱数据中的红外波段光谱数据、空间像素、光谱维度像素信息，分别利用红外光谱波段特征提取、空间超像素分割技术、光谱特征图邻接矩阵的构建等方法，得到光谱数据的物理特征图、空间特征图、光谱特征图，最终实现对于多光谱数据的全要素特征的范式图嵌入方法。该方法能够获取更多维度的特征信息，提升处理多光谱图像的模型能力。

本发明授权一种多光谱全要素特征的范式图嵌入方法在权利要求书中公布了：1.一种多光谱全要素特征的范式图嵌入方法，其特征在于，包括以下步骤： S1、利用多光谱相机获得N个波段的多光谱图像； S2、通过增广向量表示多光谱图像的波段阵列编码和多光谱图像的空间像素邻域编码的融合形式； S3、将融合后的数据信息利用空谱嵌入完成不同像素光谱特征相似性的权重分配，通过流形学习对局部邻域空间和光谱信息进行相似性分类与特征降维； S4、基于得到的低维光谱嵌入表示，对多光谱数据进行物理特征映射，提取反映目标物理属性的物理特征，其中所述物理特征包括等效温度以及等效面积；将所述物理特征作为节点属性，引入随机游走、谱嵌入或其等价的图嵌入方法，对所述物理特征进行图结构表示，生成用于描述目标物理属性分布关系的光谱物理特征图； S5、基于得到的低维光谱嵌入表示，对多光谱图像的空间像素信息进行特征转换，构建空间特征图，对多光谱图像执行超像素分割，以像素的空间位置和对应的降维光谱特征作为聚类特征，采用线性迭代聚类方法，根据像素之间的空间距离和光谱距离进行加权计算，并通过迭代更新聚类中心的位置和范围，获得由多个超像素区域构成的多光谱图像；以所述超像素区域作为图中的节点，根据相邻超像素之间的空间连通关系构建节点之间的边连接关系，从而生成用于表征多光谱数据空间结构关系的空间特征图； S6、基于得到的低维光谱嵌入表示，结合目标在不同光谱波段下的光谱特征相似性，构建用于描述多光谱数据光谱关系的光谱特征图，以像素或超像素对应的低维光谱嵌入特征作为图中的节点特征，根据不同节点之间的光谱特征相似程度计算节点之间的连接权重，构建光谱邻接矩阵；其中，所述光谱邻接矩阵根据应用场景的不同，采用无监督方式、有监督方式或半监督方式进行构建，以描述不同光谱特征节点之间的关联关系；在所述光谱邻接矩阵的基础上，引入图神经网络对光谱特征图进行特征传播与聚合，获得用于表征多光谱数据内在光谱结构关系的嵌入表示，从而实现对多光谱数据在光谱维度上的范式图嵌入表示。

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广东工业大学，其通讯地址为：510009 广东省广州市东风东路729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。