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！

龙图腾网获悉西北工业大学申请的专利一种基于多视角特征融合的遥感图像小样本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：CN116543192B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202310070568.X，技术领域涉及：G06V10/764；该发明授权一种基于多视角特征融合的遥感图像小样本分类方法是由王琦;贾玉钰;袁媛设计研发完成，并于2023-02-07向国家知识产权局提交的专利申请。

本一种基于多视角特征融合的遥感图像小样本分类方法在说明书摘要公布了：本发明提供了一种基于多视角特征融合的遥感图像小样本分类方法。首先，对输入训练集图像进行旋转增强处理；然后，对所有多视角下的图像进行特征提取；接着，将提取到的特征输入到分类模型网络进行训练，该模型包括全连接层旋转角分类器、基础语义分类器和多视角特征融合语义分类器三个并列的分支，并分别设计了相应的损失函数；最后，利用训练好的网络对待处理遥感图像数据集进行分类预测。本发明能够解决有标签样本数量稀少时，模型在遥感场景识别训练过程存在的泛化性不足的问题，具有促进模型学习可迁移知识、抑制遥感图像中语义无关内容以及强化最近邻原型匹配关联信息的有益效果。

本发明授权一种基于多视角特征融合的遥感图像小样本分类方法在权利要求书中公布了：1.一种基于多视角特征融合的遥感图像小样本分类方法，其特征在于步骤如下： 步骤1：输入训练图像数据集，并对数据集中所有图像进行旋转增强处理，所述的旋转增强处理是指将每幅图像分别旋转0°、90°、180°和270°，得到相应视角的图像，对于数据集中的第i幅图像，记其旋转增强后得到的多视角图像集为其中，分别对应四个视角下的图像，i＝1,2,…,|ε|，ε表示训练图像数据集，|ε|表示数据集中包含的图像总数； 步骤2：采用ResNet-12特征提取网络对步骤1处理后得到的所有多视角图像进行特征提取，得到每个视角下图像对应的特征，所有特征均为长度为d＝640的一维向量； 步骤3：将所有多视角图像的特征输入分类模型，采用端对端的形式进行模型整体优化训练，得到训练好的模型；其中，分类模型包括全连接层旋转角分类器、基础语义分类器和多视角特征融合语义分类器三个并列的分支； 所述的全连接层旋转角分类器采用单层全连接+relu激活函数结构，输入维度为640，输出维度为4，经过全连接层旋转角分类器将特征映射至角度类别空间，其对应的旋转角预测损失函数如下： 其中，表示旋转角预测损失，θ表示特征提取器的网络参数，表示全连接层旋转角分类器的参数，为按下式计算的交叉熵损失函数： 其中，R＝4，表示旋转的四个视角，r表示旋转的第r个视角，fθ·表示特征提取操作，表示全连接层旋转角分类操作，[·]r代表取向量中的第r个元素； 所述的基础语义分类器采用最近邻原型表征原理，选取距离测试图像特征最近的类别中心作为该测试图像的语义类别，经过其得到测试图像每个视角下的语义概率分布，其对应的类别分布一致性损失函数如下： 其中，表示类别分布一致性损失，Pr表示经r×90°旋转增强后的所有查询集图像的类别概率分布，查询集Q是指所有测试图像的集合，N表示训练时每个mini-batch中的类别个数，表示查询集中第i个测试图像经r×90°旋转增强后得到的类别概率分布，i＝1,2,…,|Q|，|Q|表示集合Q包含的图像数量；P表示所有视角下的平均类别概率分布，按照计算得到，DKL·||·表示计算向量的KL散度；中的第c个元素的计算表达式如下： 其中，τ为缩放因子，取值范围为128至512，表示r×90°旋转增强下所有支持集图像特征取平均得出的类别c的类别中心，支持集S表示训练时每个mini-batch中已知标签的训练图像，表示r×90°旋转增强下第i个测试图像特征与类别中心c之间的欧氏距离，c的取值范围为1至N； KL散度的计算公式如下： 所述的多视角特征融合语义分类器采用transformer结构，经过其得到融合后的测试图像特征和类别中心特征，再基于最近邻原型表征原理，输出每个测试图像的类别概率分布，具体过程如下：将R个特征向量拼接得到一个多视角特征图Fi，对于支持集图像，记其得到的多视角特征图为Fi S，对于查询集图像，记其得到的多视角特征图为Fi Q，i表示集合中的图像序号；然后，对于查询集中每个测试图像，将其对应的多视角特征图和所有类别中心按行拼接，得到对应的增广多视角特征图 其中，为类别c的多视角类别中心特征图，由所有视角下的支持集图像特征取平均得到； 再经transformer结构进行特征融合，具体表达式如下： 其中，Q,K,V为transformer结构的接收三元组输入，WQ、WK和WV为三个全连接层，为融合后特征； 对按行均等拆分，得到两个特征，分别记为和将和按第2、3维度展开并按下式计算其欧式距离Di，即为融合测试图像特征图与融合后类别中心特征图之间的距离： 其中，d·表示欧式距离函数，rowj表示取矩阵的第j行； 采用最近邻原型表征原理，选取距离最近的类别中心作为该测试图像的预测类别； 多视角特征融合语义分类器对应的损失函数如下： 其中，表示多视角特征融合主分类损失，yi表示查询集中第i个测试图像的真实语义标签，[Di]c表示查询集中第i个测试图像特征与类别c的类别中心之间的欧氏距离； 分类模型的总损失函数如下： 其中，表示分类模型网络的总损失，β为旋转角预测损失项的权重超参数，取值范围为1至5，γ为类别分布一致性损失项的权重超参数，取值范围为10至50； 步骤4：将待处理的遥感图像数据集输入到步骤3训练好的分类模型，其中分类模型中多视角特征融合语义分类器的输出即为每幅图像的最终类别预测结果。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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”。