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！

龙图腾网获悉天津大学申请的专利一种智能结构化高光谱图像聚类方法及装置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：CN115565059B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202210915010.2，技术领域涉及：G06V20/10；该发明授权一种智能结构化高光谱图像聚类方法及装置是由彭勃;姚宇轩;雷建军设计研发完成，并于2022-08-01向国家知识产权局提交的专利申请。

本一种智能结构化高光谱图像聚类方法及装置在说明书摘要公布了：本发明公开了一种智能结构化高光谱图像聚类方法及装置，方法包括：构建双重局部图结构和双重图编码器挖掘像素间的高阶结构关联，提取鲁棒的局部光谱‑空间特征；将局部特征学习和全局聚类结构挖掘整合到统一的学习框架中，在双重图编码器后嵌入共享的自表达层，以捕获像素的一致的全局聚类结构；采用双重图解码器重建输入的图结构矩阵，构建全局结构引导的特征优化机制，以利用全局聚类结构优化局部特征分布；以端到端的方式联合优化特征和全局聚类结构的学习，通过结合重建损失、自表达损失和分布损失以获得总体目标函数用于训练网络模型，进而获得高光谱图像聚类结果，基于聚类结果对不同地表物体进行归类识别。装置包括：处理器和存储器。

本发明授权一种智能结构化高光谱图像聚类方法及装置在权利要求书中公布了：1.一种智能结构化高光谱图像聚类方法，其特征在于，所述方法包括： 构建双重局部图结构用于探索像素间的高阶结构关联； 双重图编码器利用3层图卷积网络逐层逐步挖掘像素间的高阶结构关联，提取鲁棒的局部光谱-空间特征； 将局部特征学习和全局聚类结构挖掘整合到统一的学习框架中，在双重图编码器后嵌入一共享的自表达层，用于捕获高光谱图像像素的一致的全局聚类结构； 采用双重图解码器重建输入的图结构矩阵，构建全局结构引导的特征优化机制，以利用自表达层捕获的全局聚类结构来优化局部光谱-空间特征的分布； 以端到端的方式联合优化光谱-空间特征和全局聚类结构的学习，通过结合重建损失、自表达损失和分布损失以获得总体目标函数，利用总体损失函数训练网络模型，进而获得高光谱图像聚类结果，基于聚类结果对不同地表物体进行归类识别； 其中，所述构建全局结构引导的特征优化机制，以利用自表达层捕获的全局聚类结构来优化局部光谱-空间特征的分布为： 采用学生分布获取其对应的局部特征分布，局部特征分布中的元素表示像素被分配到第个类簇的概率，是由像素特征表示与聚类中心表示之间的距离计算得到的： ； 其中，表示第个像素的特征，表示第个类簇的可学习的聚类中心表示，表示自由度，表示第个类簇的可学习的聚类中心表示，表示类簇的标号； 自表达层逐步学习像素间的全局聚类结构，通过最小化下述目标函数获得全局聚类分布： ； 其中，表示中第个像素和第个像素的相似度，为一个one-hot向量，其表示全局聚类分布矩阵中的第行，指示第个像素的类簇分配关系，为一个one-hot向量，其表示全局聚类分布矩阵中的第行，rank为矩阵的秩，c为类簇数，表示值全为1的向量； 构建分布约束以利用全局聚类分布约束局部特征分布，所构建的分布约束定义为： ； 其中，表示Kullback-Leibler散度，为局部特征分布，为中第行和第列的元素，为中第行和第列的元素。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。