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！

龙图腾网获悉南京邮电大学申请的专利基于局部-全局双分支网络的高光谱图像自监督聚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：CN119380059B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202411481967.6，技术领域涉及：G06V10/762；该发明授权基于局部-全局双分支网络的高光谱图像自监督聚类方法是由黄楠;吴桐;郑志忠;刘鹏飞;倪康设计研发完成，并于2024-10-23向国家知识产权局提交的专利申请。

本基于局部-全局双分支网络的高光谱图像自监督聚类方法在说明书摘要公布了：本发明属于高光谱图像无监督技术领域，公开了一种基于局部‑全局双分支网络的高光谱图像自监督聚类方法，包括：1构造3D像素块；2通过ResNet模块获取浅层深度特征；3将浅层特征注入到双路径网络模块；4计算局部特征与聚类中心的相似性，得到局部语义概率分布，然后得到目标分布；5将全局特征送入前馈神经网络得到每个像素的概率，获取全局语义概率分布；6通过双重自监督机制构建网络损失函数指导整个网络模型的更新。本发明通过引入双路径网络架构挖掘高光谱图像的局部细节特征以及全局语义特征，有效提高了高光谱地物的识别精度。

本发明授权基于局部-全局双分支网络的高光谱图像自监督聚类方法在权利要求书中公布了：1.一种基于局部-全局双分支网络的高光谱图像自监督聚类方法，其特征在于：所述局部-全局双分支网络具体包括双路径网络模块、ResNet模块和双重自监督模块，所述双路径网络模块由CNN模块和多层全局Transformer模块组成，具体的，所述高光谱图像自监督聚类方法具体包括以下步骤： 步骤1、对高光谱图像进行预处理，构造以每个像素点为中心的3D像素块； 步骤2、将步骤1获得的3D像素块送入ResNet模块获取高光谱图像的浅层深度特征； 步骤3、将步骤2获取到的浅层深度特征注入到双路径网络模块即CNN模块提取局部细节特征和多层全局Transformer模块提取全局语义特征； 步骤4、基于步骤3中CNN模块获取的局部细节特征，利用核函数计算所述局部细节特征的特征向量与每一个类别的kmeans算法聚类中心向量之间的相似性，得到每一个样本属于类别簇的预测分布，即局部语义概率分布，然后通过学习高置信度分配来优化局部细节特征表示，提高类别簇的凝聚力，计算得到目标分布； 步骤5、将步骤3的多层全局Transformer模块获得的全局语义特征送入前馈神经网络并利用Softmax函数获得全局语义概率分布； 步骤6、基于步骤4获得的预测分布和目标分布以及步骤5获得的全局语义概率分布，通过双重自监督模块构建网络损失函数指导整个所述局部-全局双分支网络的更新。

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南京邮电大学，其通讯地址为：210046 江苏省南京市栖霞区文苑路9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。