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！

龙图腾网获悉湖南大学申请的专利基于跨尺度空谱特征融合网络的病理高光谱图像检测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：CN119785195B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411244312.7，技术领域涉及：G06V20/10；该发明授权基于跨尺度空谱特征融合网络的病理高光谱图像检测方法是由张辉;赵伟;刘立柱;曹意宏;陈煜嵘;梅杰;毛建旭;朱青;王耀南设计研发完成，并于2024-09-06向国家知识产权局提交的专利申请。

本基于跨尺度空谱特征融合网络的病理高光谱图像检测方法在说明书摘要公布了：本发明公开了一种基于跨尺度空谱特征融合网络的病理高光谱图像检测方法，该方法提出了基于跨尺度空谱特征融合的特征提取网络，首先，在编码器阶段利用膨胀卷积提取多尺度信息，从而使得网络更好的得到多个感受野的特征信息；然后，在编码器和解码器的跳跃连接阶段，利用transformer的变形进行跨尺度间特征提取，可以更好的保留输入图像样本的全局上下文信息和布局信息；最后，为了缓解空谱特征提取困难，在解码器部分提出特征注意力机制，对解码器不同层的输出进行处理，获取更丰富的跨层特征，提取不同层之间更重要的特征信息，从而提高网络的分割性能，使得的神经网络更好的提取光谱特征融合信息，提升病理高光谱的检测精度。

本发明授权基于跨尺度空谱特征融合网络的病理高光谱图像检测方法在权利要求书中公布了：1.基于跨尺度空谱特征融合网络的病理高光谱图像检测方法，其特征在于，所述方法包括以下步骤： S100：获取高光谱图片构成数据集，对数据集进行预处理，得到预处理后的数据集； S200：构建高光谱图像检测模型，包括基于多尺度特征提取的编码器、基于transformer的跨尺度特征提取网络和特征注意力解码器； S300：将预处理后的数据集输入至基于多尺度特征提取的编码器中，提取图像特征，得到多尺度编码特征图输出； S400：将多尺度编码特征输入至基于transformer的跨尺度特征提取网络，对编码特征进行跨尺度特征提取，得到最终跨尺度特征图；基于transformer的跨尺度特征提取网络包括多头注意力模块、跨尺度特征提取模块和多层感知器模块，S400包括： S410：利用多头自注意力模块对第一个编码特征图之外的多尺度编码特征图分别进行自注意力机制处理； S420：利用插值将S410得到的不同大小的特征图化为统一大小，利用基于transformer的交叉注意力对统一大小的特征图进行跨尺度特征提取，得到跨尺度特征融合输出； S430：利用多层感知器对获得的跨尺度特征融合输出进行逐层处理和变换，增强局部信息的表示，得到最终跨尺度特征输出； S410具体为：将第一个编码特征图之外的多尺度编码特征图分别输入不同的多头自注意力机制中，进行特征分割处理，根据注意力头的数目将其平均分割为若干个空间，进行并行自注意力机制处理，最后将其输出进行拼接合并； S420具体为：针对每个编码特征图，将其他编码特征图利用双线性插值调整为统一大小，双线性插值通过利用周围四个像素的值来计算目标像素的值；然后利用基于transformer的交叉注意力对S410输出的特征图进行跨尺度特征提取，将当前处理的编码特征图看作值向量，其他两个编码特征图分别看作查询向量和键向量，利用三个可学习的投影矩阵Wq、Wk和Wv分别进行映射处理，再使用查询向量Q和键向量K进行点积操作，并通过Relu函数获得注意力权重，将最有用的注意力进行特征聚合，自动保证注意力权重的稀疏性；最后，将注意力权重与值向量V相乘，并对结果进行求和，得到与编码特征图数量对应的跨尺度特征融合输出； S430：将与编码特征图数量对应的跨尺度特征融合输出输入对应的多层感知器模块，对输入特征进行逐层处理和变换，得到与跨尺度特征融合输出数量对应的最终跨尺度特征输出； S500：将跨尺度特征图输入至特征注意力解码器中进行特征注意力机制解码处理，得到分割结果；S500包括： S510：将跨尺度特征图进行上采样，并与对应大小的编码器特征图进行拼接，且利用插值将所有拼接后的特征图统一大小，得到解码特征图； S520：将所有解码特征图进行拼接，通过池化层，得到池化特征图，与原始拼接特征图进行注意力操作，得到对应的特征注意力图； S530：最后将特征注意力图经过3D卷积、sigmoid和光谱平均池化操作，获得分割结果； S510具体为： 接收来自编码器的最后一个多尺度编码特征图和对应的跨尺度特征输出图，解码器先对跨尺度特征图进行上采样，将特征图的空间分辨率扩大一倍，然后将解码器上采样后的特征图与编码器中对应层的编码特征图进行拼接，重复上述过程，直到原始拼接特征图的尺寸恢复到输入图像的尺寸，利用双线性插值方法将四个解码特征图变换到统一大小； S520具体为：将统一大小后的解码特征图沿着光谱方向进行拼接，得到拼接特征图，将其送入池化层中进行池化操作，得到对应的池化特征图，然后将其分别送入线性层，得到对应的Qdecoder,Kdecoder，因此，特征注意力权重矩阵可以由下式计算： Wdecoder＝conv2DQdecoderKdecoderT 其中conv2D·表示内核为3×3，填充设置为1的2D卷积，这种操作用于合并相邻像素之间的相关信息，将原始拼接特征图进行线性操作，得到对应的Vdecoder，从而得到对应的特征注意力图Outdecoder，由下式计算： S600：利用交叉验证方法结合预设的损失函数对高光谱图像检测模型进行训练，当达到预设的训练结束条件时，得到训练好的检测模型，根据训练好的检测模型完成实时病理高光谱图像的分割。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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。