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！

龙图腾网获悉北京理工大学申请的专利基于分块表征机制的高光谱图像跨域地物要素提取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：CN116883752B 。

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：202310883134.1，技术领域涉及：G06V10/764；该发明授权基于分块表征机制的高光谱图像跨域地物要素提取方法是由李伟;张宇翔;张蒙蒙;陶然设计研发完成，并于2023-07-19向国家知识产权局提交的专利申请。

本基于分块表征机制的高光谱图像跨域地物要素提取方法在说明书摘要公布了：本发明公开了一种基于分块表征机制的高光谱图像跨域地物要素提取方法，属于图像处理技术技术领域，包括以下步骤：S1：构建空谱一致深度残差3D卷积网络，缓解场景间空谱结构差异，提取空谱嵌入深度特征；S2：构建关系映射模块，设计分块表征机制，逐类别计算原型特征；S3：设计域对齐策略，缓解域间条件分布差异；S4：选取源场景和目标场景，分别构建支持集和查询集，输入网络进行训练；S5：将完成训练的网络用于目标场景，进行全景推理提取目标场景中全部地物要素。本发明提高了异质数据的地物要素提取效率，强化了关系子空间中特征的可分性，实现了模型到不同场景的迁移。

本发明授权基于分块表征机制的高光谱图像跨域地物要素提取方法在权利要求书中公布了：1.一种基于分块表征机制的高光谱图像跨域地物要素提取方法，其特征在于：包括以下步骤： S1：构建空谱一致深度残差3D卷积网络，缓解场景间空谱结构差异，提取空谱嵌入深度特征；所述步骤S1包括如下子步骤： S11：构建空间卷积一致和谱间投影一致的映射模块，将获取自不同传感器的源场景和目标场景的样本映射至同一维度的空-谱子空间中，得到空谱一致特征；步骤S11具体包括：构建空间卷积一致和谱间投影一致的映射模块，该映射模块包含两个2D卷积操作和两个批归一化，其中卷积核大小为1×1，由卷积-批归一化的顺序进行串联；针对源域和目标域分别构建映射模块，输入维度为数据光谱维度，输出维度一致设定为100； S12：构建深度残差3D卷积网络，该网络由多个3D卷积、池化以及3D残差模块组成，输入步骤S11中的空谱一致特征获取源场景和目标场景的空谱嵌入深度特征； S2：构建关系映射模块，设计分块表征机制，逐类别计算原型特征；步骤S2包括如下子步骤： S21：输出深度残差3D卷积网络最后一层3D卷积前的特征图，对特征图进行划分获取分块深度特征； S22：构建关系映射模块，基于卷积神经网络，将分块深度特征映射至关系子空间用于后续分块表征机制； S23：逐类别计算支撑集分块特征的均值获得原型特征，一并与查询集分块特征输入关系映射模块； S24：设计分块表征机制，结合有监督对比策略用于源域和目标域各自的元任务训练过程，挖掘被分解成多个块的样本内鲁棒表征； S3：设计域对齐策略，缓解域间条件分布差异；步骤S3包括如下子步骤： S31：设计局部最大均值差异域对齐模块，针对最大均值差异的改进，将标签源域和目标域投影到希尔伯特空间，利用可用的标签逐类别计算局部均值差异； S32：输入步骤S21中的支撑集和查询集分块深度特征和步骤S23中的原型特征，利用局部最大均值差异域对齐策略完成域间特征对齐； S4：选取源场景和目标场景，分别构建支持集和查询集，输入网络进行训练；步骤S4包括如下子步骤： S41：挑选两张不同地域、不同分辨率、不同光谱信息的高光谱遥感影像； S42：将地物类别多的影像作为源域，另一张影像作为目标域；选取源域中所有标签样本和目标域中少量标签样本分别构建支持集和查询集； S5：将完成训练的网络用于目标场景，进行全景推理提取目标场景中全部地物要素。

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北京理工大学，其通讯地址为：100000 北京市海淀区中关村南大街5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。