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！

龙图腾网获悉哈尔滨工程大学申请的专利一种高光谱图像分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：CN115830390B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202211632994.X，技术领域涉及：G06V10/764；该发明授权一种高光谱图像分类方法及装置是由崔颖;高山;邵超;罗丽;陈晓力设计研发完成，并于2022-12-19向国家知识产权局提交的专利申请。

本一种高光谱图像分类方法及装置在说明书摘要公布了：本申请公开了一种高光谱图像分类方法及装置，属于图像处理分类技术领域，将适用于小样本情况的图神经网络技术和适用于样本充足情况的卷积神经网络技术相结合，提出一种基于图神经网络辅助的中心加权卷积网络模型，对该模型进行训练与交叉验证，可以在其对卷积神经网络提取的局部空谱信息和图神经网络提取的远程上下文信息进行有效融合的基础上，实现有限样本下高光谱图像的精细分类。相比于其他现有技术能够明显提高少量训练样本下的分类精度，对初始标注样本的需求量不大，可以大大节省人工标注类别信息所带来的时间成本，且鲁棒性也能够得到保证，通过少量样本即可获得稳定的训练出效果可观的分类模型。适用于小样本情况的高光谱图像分类。

本发明授权一种高光谱图像分类方法及装置在权利要求书中公布了：1.一种高光谱图像分类方法，其特征在于，包括： 获取数据集，并根据预设划分方式将所述数据集划分为训练集、验证集和测试集，其中，所述数据集包括高光谱数据； 设计基于图神经网络辅助的中心加权卷积网络模型并对模型参数进行调整，得到若干模型参数不同的中心加权卷积网络模型，其中，所述中心加权卷积网络模型用于提取所述数据集的局部空谱信息和中远程上下文信息，并对所述局部地物信息和远程上下文信息进行特征融合； 基于所述训练集分别对若干所述中心加权卷积网络模型进行训练； 通过所述验证集在训练过程中对若干所述中心加权卷积网络模型进行交叉验证，得到验证结果，其中，所述验证结果包括若干所述中心加权卷积网络模型的分类效果； 根据所述验证结果，将分类效果最好的所述中心加权卷积网络模型确定为目标分类模型，并通过所述目标分类模型对高光谱图像进行分类； 所述获取数据集包括： 获取原始的高光谱图像的数据，对所述数据的类别信息进行标注； 基于主成分分析法对标注后的数据进行降维，将降维后得到的数据作为所述高光谱数据； 所述中心加权卷积网络模型包括：图神经网络分支、中心加权卷积分支和Softmax分类器； 则所述通过所述验证集在训练过程中对若干所述中心加权卷积网络模型进行交叉验证包括： 在若干所述中心加权卷积网络模型的训练过程中均执行以下步骤： 通过所述图神经网络分支获取所述验证集的中远程上下文信息； 通过所述中心加权卷积分支获取所述验证集的局部空谱信息； 将所述中远程上下文信息和所述局部空谱信息进行特征融合，得到融合后的特征信息； 基于所述融合后的特征信息，通过所述Softmax分类器得到所述中心加权卷积网络模型在所述验证集上的分类效果。

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哈尔滨工程大学，其通讯地址为：150000 黑龙江省哈尔滨市南岗区南通大街145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。