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！

龙图腾网获悉西安电子科技大学申请的专利基于空谱特征提取的高光谱端到端压缩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：CN116912520B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202310919325.9，技术领域涉及：G06V10/58；该发明授权基于空谱特征提取的高光谱端到端压缩方法是由王柯俨;刘园;周培诚;麦兴国;熊浩博;刘凯;张静;李云松设计研发完成，并于2023-07-25向国家知识产权局提交的专利申请。

本基于空谱特征提取的高光谱端到端压缩方法在说明书摘要公布了：本发明公开了一种基于空谱特征提取的高光谱端到端压缩方法，主要解决现有高光谱图像压缩方法不能充分利用高光谱图像光谱信息提取光谱特征的问题。其实现方案是：将现有高光谱数据集划分为训练集和测试集，并对训练集进行扩充；构建包括空谱特征提取模块、空谱特征融合编码模块、熵模型、空谱特征融合解码模块和空谱特征恢复模块组成的基于空谱特征提取的高光谱端到端压缩网络及其损失函数；将训练集按批量大小分别平分为多个图像组，并依次循环输入多次，直到损失函数收敛完成训练；将测试集输入到训练好的压缩网络，得到重建的高光谱图像。本发明能分别提取空间特征和光谱特征，有效提高高光谱图像压缩效率，可用于遥感高光谱图像的处理。

本发明授权基于空谱特征提取的高光谱端到端压缩方法在权利要求书中公布了：1.一种基于空谱特征提取的高光谱端到端压缩方法，其特征在于，包括如下步骤： 1从现有的高光谱数据集中选出a幅高光谱图像作为训练集，将剩下的图像作为测试集，并对训练集通过裁剪进行数据扩充； 2在Pytorch框架下构建基于空谱特征提取的高光谱端到端压缩网络： 2a建立基于多方向卷积的空谱特征提取模块： 该模块包括三条并行的支路，其中，第一条支路由N个串联的光谱块和卷积层级联组成，用于在光谱方向上提取光谱特征，第二、第三两条支路均由转置、N个串联的空间块和反转置级联组成，分别用于在空间上的行方向和列方向提取特征；N取6～9； 2b建立与空谱特征提取模块结构相同的基于多方向卷积的空谱特征恢复模块； 2c建立由n个卷积下采样、n-1个GDN层和n-1个局部注意力子模块交叉串联构成的空谱特征融合编码模块； 2d建立包括随机舍入量化、熵编解码和反量化操作的熵模型； 2e建立与空谱特征融合编码模块结构相同的空谱特征融合解码模块； 2f将空谱特征提取模块、空谱特征融合编码模块、熵模型、空谱特征融合解码模块和空谱特征恢复模块依次级联，构成基于空谱特征提取的高光谱端到端压缩网络； 3计算恢复图像的失真损失度：Ld＝k1×SAM+k2-PSNR+k3×1-SSIM，将率失真优化损失函数Loss＝Ld+λLc作为上述步骤构建的高光谱端到端压缩网络损失函数； 其中，Lc表示高光谱图像数据的近似熵，k1、k2和k3分别表示SAM、PSNR和SSIM的比例系数，λ表示惩罚系数，通过调整λ来控制高光谱图像压缩码率； 4将步骤1中所述训练集输入到高光谱端到端压缩网络中，以最小化损失函数为目标，利用Adam算法更新梯度方向，得到训练好的高光谱端到端压缩压缩网络； 5将测试集输入到训练好的压缩网络中，输出重建的高光谱图像。

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电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。