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！

龙图腾网获悉浙江大学申请的专利一种基于对比学习的高光谱图像波段选择方法及装置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：CN116704343B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202310668521.3，技术领域涉及：G06V20/10；该发明授权一种基于对比学习的高光谱图像波段选择方法及装置是由厉小润;刘宇飞;陈淑涵设计研发完成，并于2023-06-07向国家知识产权局提交的专利申请。

本一种基于对比学习的高光谱图像波段选择方法及装置在说明书摘要公布了：本发明涉及高光谱遥感图像处理领域，公开了基于对比学习的高光谱图像波段选择方法及装置。包括：1扩增高光谱数据；2构建基于波段注意力的对比学习网络；3定义基于对比学习的波段选择网络的损失函数；4度量波段重要性；5选择最具价值的波段子集。本发明从高光谱图像特性出发，结合对比学习和注意力机制，挖掘高光谱图像抽象的语义信息以及光谱波段之间潜在的非线性关系，充分利用高光谱图像的空间信息，提出了基于对比学习的高光谱图像波段选择方法，能够有效地提升高光谱图像像素分类的精度。

本发明授权一种基于对比学习的高光谱图像波段选择方法及装置在权利要求书中公布了：1.一种基于对比学习的高光谱图像波段选择方法，其特征在于，包括如下步骤： 步骤1将高光谱图像分块，对每一个高光谱图像块分别执行两次随机数据增强操作，以获得两个随机增强视图； 步骤2构建基于波段注意力的对比学习网络，其包括： 2.1构建注意力编码器，并将一个高光谱图像块的两个增强视图分别输入两个相同的所构建的注意力编码器进行处理，两个注意力编码器共享权重，计算公式表示为： Zj＝fXPj；θ 其中，Zj代表两个增强视图分别经过注意力编码器得到的两个特征向量，j＝1,2，XPj代表增强视图，f·代表注意力编码器函数，θ代表注意力编码器中可训练的参数； 所述的注意力编码器主要包括波段注意力模块；所述的波段注意力模块以增强视图作为输入，用于获取波段权重向量，计算公式表示为： ωj＝FXPj；θA 其中，ωj＝[ωj,1,ωj,2,...,ωj,L]T代表第j个增强视图求得的波段注意力权重向量，j＝1,2，L代表波段数，F·代表波段注意力模块函数，θA代表波段注意力模块中可训练的参数； 2.2构建预测器，将一个视图经过注意力编码器得到的特征向量输入预测器，并将得到的预测值与另一个视图经过注意力编码器得到的特征向量进行匹配； 所述的预测器由多层感知机构造；所述的匹配是指计算一个增强视图所得的预测值和另一个增强视图所得的特征向量之间的对称损失； 步骤3定义适用于基于对比学习的波段选择网络的损失函数，所述的基于对比学习的波段选择网络的损失函数包括对称损失项和权重向量稀疏约束项，以对称损失最小和波段权重向量稀疏作为优化目标，通过最小化损失函数，训练基于波段注意力的对比学习网络； 步骤4利用网络训练后学习到的波段平均权重度量每个波段的重要性，计算公式表示为： 其中，代表第t个波段的平均权重；为第i个高光谱图像块的两个增强视图分别求得的第t个波段的注意力权重，n为原始高光谱图像块的样本数； 步骤5将所有的波段依据重要性从高到低进行排序，选择排在前面的所需数目的波段作为最具价值的波段子集。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。