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！

龙图腾网获悉西安邮电大学申请的专利高光谱图像稀疏解混方法、装置、电子设备及介质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：CN119964016B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202510450114.4，技术领域涉及：G06V20/10；该发明授权高光谱图像稀疏解混方法、装置、电子设备及介质是由甘玉泉;逯佩永;王勇设计研发完成，并于2025-04-11向国家知识产权局提交的专利申请。

本高光谱图像稀疏解混方法、装置、电子设备及介质在说明书摘要公布了：本发明提供了一种高光谱图像稀疏解混方法、装置、电子设备及介质，该方法包括：对原始高光谱图像进行特征提取，得到多尺度空间特征和光谱特征；拼接多尺度空间特征和光谱特征，得到原始空谱联合特征；对原始空谱联合特征进行特征解耦，得到增强空谱联合特征；根据预先设置的权重矩阵，对增强空谱联合特征进行归一化，得到初步丰度矩阵；通过损失函数，结合神经网络，对初步丰度矩阵和预先设置的权重矩阵进行迭代修正，得到稀疏丰度矩阵和端元矩阵；对稀疏丰度矩阵和端元矩阵进行重构，得到重构后的高光谱图像。本发明通过多尺度空谱联合自编码器网络设计和正则化处理策略，实现了高光谱图像稀疏解混的精度和鲁棒性的双重提升。

本发明授权高光谱图像稀疏解混方法、装置、电子设备及介质在权利要求书中公布了：1.一种高光谱图像稀疏解混方法，其特征在于，包括： 对原始高光谱图像进行特征提取，得到多尺度空间特征和光谱特征； 拼接所述多尺度空间特征和所述光谱特征，得到原始空谱联合特征； 对所述原始空谱联合特征进行特征解耦，得到增强空谱联合特征； 根据预先设置的权重矩阵，对所述增强空谱联合特征进行归一化，得到初步丰度矩阵； 通过预先设置的损失函数，结合预先设置的神经网络，对所述初步丰度矩阵和所述权重矩阵进行迭代修正，得到稀疏丰度矩阵和端元矩阵，所述损失函数包括：重加权协同稀疏正则项和重加权光谱全变差正则项； 根据所述稀疏丰度矩阵和所述端元矩阵，得到重构后的高光谱图像； 所述对原始高光谱图像进行特征提取，得到多尺度空间特征，包括： 对所述原始高光谱图像进行最大池化、条纹池化和平均池化，分别得到最大化结果、条纹化结果和平均化结果； 将所述最大化结果、所述条纹化结果和所述平均化结果进行加和，得到融合特征； 对所述融合特征进行卷积和激活函数处理，得到所述多尺度空间特征； 所述损失函数包括：光谱重构误差LRE、所述重加权协同稀疏正则项Rco-spare和所述重加权光谱全变差正则项RTV； 所述损失函数的公式为： Ltotal＝LRE+λ1Rco-spare+λ2RTV， 其中，λ1和λ2为正则化项系数； 其中，xi表示第i个像素的真实光谱向量；表示第i个像素的真实光谱向量；n表示像素总数；·表示向量点积运算；||·||表示向量的L2范数； 其中W1,x为所述权重矩阵，Ax为所述初步丰度矩阵，°表示元素逐个相乘，||·||2,1即L2,1范数； 其中HE为对所述初步丰度矩阵E的差分操作，W2为所述权重矩阵，°表示元素逐个相乘，||·||1,1表示l1,1范数。

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西安邮电大学，其通讯地址为：710000 陕西省西安市长安南路563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”。