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！

龙图腾网获悉辽宁工程技术大学申请的专利结合高斯回归混合模型和MRF高光谱函数数据的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：CN116343032B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202310234020.4，技术领域涉及：G06V20/10；该发明授权结合高斯回归混合模型和MRF高光谱函数数据的分类方法是由赵泉华;蒋莹莹;贾淑涵设计研发完成，并于2023-03-13向国家知识产权局提交的专利申请。

本结合高斯回归混合模型和MRF高光谱函数数据的分类方法在说明书摘要公布了：为了探究函数型数据分析方法在高光谱影像处理中的有效性，本发明提出结合高斯回归混合模型和MRF高光谱函数数据的分类方法；首先，运用多项式回归拟合高光谱影像像素光谱曲线，以便用函数形式表达像素光谱信息；然后，通过引入邻域关系建立马尔可夫随机场模型，同时结合高斯回归混合模型建立邻域高斯回归混合模型；最后，根据最大后验概率准则，获取最终高光谱影像分类结果。由于充分结合了高光谱影像的空‑谱信息，使得本发明算法具有高精度的分类结果，有效改善高光谱影像的分类性能。

本发明授权结合高斯回归混合模型和MRF高光谱函数数据的分类方法在权利要求书中公布了：1.结合高斯回归混合模型和MRF高光谱函数数据的分类方法，其特征在于，包括以下步骤： 步骤1、将高光谱图像的像素光谱曲线表示为多项式函数； 步骤2、用高斯回归混合模型对步骤1得到的多项式函数的概率密度分布进行建模，并应用MRF模拟像素之间存在的空间依赖关系，使用Pott模型重新定义高斯回归混合模型的权重；得到邻域高斯回归混合模型； 步骤2具体为： 步骤2-1、在高光谱遥感影像中，除测量得到的每个像素在各频率的光谱观测量,外，还蕴含表达每个像素类属性的隐变量，记为，称为像素的类属标号，=指示像素属于类；定义为随机变量，则像素属于类的概率密度函数记为，综上，={,=1,…,}视为表征高光谱影像类属性的随机场，称为标号场，其每个标号场的实现均对应高光谱影像的一种分类；高光谱影像的观测值和隐变量构成其完备数据，即{,,}；在基于模型的函数数据聚类过程中，需定义光谱曲线的或然率模型；采用混合模型构建的条件概率模型，即： 2； 其中，为混合分量索引，在高光谱影像分类中，亦为类属索引，为混合分量数即类属数，为混合分量的概率密度函数，其中表示混合分量对应的参数集，=为像素属于类的概率，亦为混合分量的权重系数，={,=1,…,}，且满足；作为变量在Pott模型求解中估计得到； 步骤2-2、为了充分利用高光谱影像的空间信息，顾及高斯回归混合模型中邻域像素标号的相关性，构建高斯回归混合模型，在像素邻域上利用MRF，采用定义像素及其邻域关系的静态Potts模型刻画像素属于类的先验概率，由此定义权重系数为： 3； 其中，为邻域像素的空间相关性系数，表示像素的邻域索引集合，表示邻域像素所属类别，为指示函数，若≠，则=1，反之为0； 步骤2-3、采用高斯分布对第类像素的光谱测度进行建模，其概率密度定义为： 4； 其中，为次多项式回归模型定义的均值函数，即： 5； 为类集群的协方差矩阵，即： 6； 其中，={,…,},为×单位阵；由此，第类光谱测度模型的参数表示为={,}；结合式6，高光谱影像函数化或然率模型定义为， 7； 其中，={,…,,,…,}为模型参数集； 步骤3、应用EM算法对邻域高斯回归混合模型进行求解，根据最大后验准则，对高光谱图像进行分类。

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辽宁工程技术大学，其通讯地址为：123000 辽宁省阜新市细河区中华路47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。