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！

龙图腾网获悉黑龙江工程学院申请的专利一种基于超像素语义引导的高光谱图像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：CN119863660B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202411940201.X，技术领域涉及：G06V10/764；该发明授权一种基于超像素语义引导的高光谱图像分类方法是由王雷;卢廷玉;王强;周世风设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本一种基于超像素语义引导的高光谱图像分类方法在说明书摘要公布了：一种基于超像素语义引导的高光谱图像分类方法，它属于高光谱图像分类技术领域。本发明解决了现有基于GCN的高光谱图像分类方法的精度低的问题。本发明采用视觉大模型SAM对高光谱图像进行处理，将高光谱图像分割成多个同质超像素，可以显著提高超像素分割的准确率。再将每个超像素作为图的一个节点，基于图学习的方法构建了包括三分支图卷积网络的高光谱图像分类模型，三分支图卷积网络分别用于提取高光谱图像中的空间特征、光谱特征和空谱特征，并对不同分支的特征进行融合后再使用AMSoftmax对其进行分类，达到提升高光谱图像分类精度的目的。本发明方法可以应用于高光谱图像分类。

本发明授权一种基于超像素语义引导的高光谱图像分类方法在权利要求书中公布了：1.一种基于超像素语义引导的高光谱图像分类方法，其特征在于，所述方法具体包括以下步骤： 步骤一、从高光谱图像中提取出R、G、B三波段的数据，并利用R、G、B三波段的数据合成RGB图像，将RGB图像作为SAM模型的输入，结合SAM模型的输出和SLIC算法获得RGB图像的最终超像素分割结果； 步骤二、根据步骤一的超像素分割结果，分别计算高光谱图像的每个超像素的初始特征； 步骤三、将每个超像素分别作为一个节点，根据各个超像素节点的初始特征构建空间邻接矩阵、光谱邻接矩阵和空谱邻接矩阵； 步骤四、构建高光谱图像分类模型，所述高光谱图像分类模型内包括编码器、CNN网络、解码器、全连接层和AM-SoftMax层； 所述编码器内包括第一GCN图卷积网络、第二GCN图卷积网络和第三GCN图卷积网络； 利用各个超像素的初始特征组成初始特征矩阵，将初始特征矩阵和空间邻接矩阵作为第一GCN图卷积网络的输入； 将初始特征矩阵和光谱邻接矩阵作为第二GCN图卷积网络的输入； 将初始特征矩阵和空谱邻接矩阵作为第三GCN图卷积网络的输入； 将高光谱图像作为CNN网络的输入； 对第一GCN图卷积网络、第二GCN图卷积网络和第三GCN图卷积网络输出的特征进行拼接，将拼接结果作为解码器的输入； 将解码器的输出和CNN网络的输出进行拼接，并将拼接结果作为全连接层的输入，再将全连接层的输出作为AM-SoftMax层的输入，通过AM-SoftMax层输出高光谱图像中每个像素点的分类结果。

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黑龙江工程学院，其通讯地址为：150050 黑龙江省哈尔滨市道外区红旗大街999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”。