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！

龙图腾网获悉安徽大学申请的专利基于光谱和空间稀疏特征表示的高光谱图像分割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：CN116580189B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202310324346.6，技术领域涉及：G06V10/26；该发明授权基于光谱和空间稀疏特征表示的高光谱图像分割方法是由刘岩;江波;陈缘设计研发完成，并于2023-03-30向国家知识产权局提交的专利申请。

本基于光谱和空间稀疏特征表示的高光谱图像分割方法在说明书摘要公布了：本发明公开一种基于光谱和空间稀疏特征表示的高光谱图像分割方法，通过构建基础网络模型，初步提取视觉特征；接着通过在光谱维度进行分组获得多组光谱特征，在每组特征中使用光谱卷积神经网络获得每组光谱内部之间的关系；再通过稀疏Transformer模块来进行多个光谱组之间的交互，获得光谱之间的序列信息；之后通过空间卷积模块来提取高光谱图像的空间局部特征，通过稀疏Transformer模块提取高光谱图像的空间全局特征，最后将获得的光谱空间特征进行分割。

本发明授权基于光谱和空间稀疏特征表示的高光谱图像分割方法在权利要求书中公布了：1.一种基于光谱和空间特征提取的高光谱图像分割方法，其特征在于：包括以下步骤： 步骤1、输入任选的一幅尺寸为的待分割高光谱图像，为高光谱图像的高，为高光谱图像的宽，c为高光谱图像光谱维的维度； 步骤2、对待分割高光谱图像数据，随机划分训练集、验证集和测试集； 步骤3、构建基础网络模型，将两层参数不同的卷积神经网络作为骨干网络，通过骨干网络的卷积操作来提取高光谱图像的初始视觉特征，公式1如下： 1 其中，表示高光谱图像，表示卷积层，表示初始视觉特征； 步骤4、将步骤3中获得的初始视觉特征沿着光谱维度进行分组，每组分别在光谱维度用一维卷积提取光谱特征，之后将每组光谱特征作为整体放入稀疏Transformer中进行交互获得光谱特征表示，具体方法为： 光谱Transformer模块提取光谱特征，先通过将高光谱图像按照光谱维度均分为若干个通道组，然后每个通道组内使用光谱卷积提取组内的局部特征，接着计算每组局部特征与其他每组局部特征的注意力来融合所有组特征，具体工作过程如下： 首先对于每个通道组内，使用光谱卷积进行组内之间的特征交互： 2 其中为激活函数，和为卷积神经网络的参数； 然后通过稀疏Transformer模块对于各个通道组进行组间交互：先通过三个线性映射层将每组特征映射为，，表示键，用于查询记忆中信息的索引；表示查询，用于查找记忆中信息的关键；表示值，用于更新当前信息的新内容；接着计算得到注意力分数： 3 根据分数选择得分最高的个点，将其保留下来，其他注意力数值将被丢弃，此后再对这个分数进行softmax操作： 4 其中，表示注意力矩阵中第行第列的得分，表示第行的第大的值； 5 6 7 其中，表示列归一化层，表示提取到的光谱特征； 综上所述，令公式3-公式7表示的稀疏Transformermr模块处理后最终光谱特征表示为，则稀疏Transformer模块可表示为： 8； 步骤5、将步骤4所得光谱特征表示沿着空间维度进行分块，每块分别在空间维度用二维卷积提取图像的空间特征，之后通过稀疏Transformer对所有空间特征进行特征交互获得最终特征图表示； 步骤6、将步骤5所得最终特征图表示与真值图做损失，通过多次迭代优化获得最终的分割结果。

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安徽大学，其通讯地址为：230601 安徽省合肥市蜀山区经开区九龙路111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。