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！

龙图腾网获悉青岛科技大学申请的专利基于光谱-空间扩散生成的高光谱图像分类方法及系统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：CN121121306B 。

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：202511401522.7，技术领域涉及：G06V10/764；该发明授权基于光谱-空间扩散生成的高光谱图像分类方法及系统是由李雪莹;孙茹诗;李凯;李文卓;李芮;杜军威;李永庆设计研发完成，并于2025-09-28向国家知识产权局提交的专利申请。

本基于光谱-空间扩散生成的高光谱图像分类方法及系统在说明书摘要公布了：本发明提出基于光谱‑空间扩散生成的高光谱图像分类方法及系统，引入扩散模型生成高光谱生成样本，扩散模型的渐进式去噪生成策略能够在保留光谱细节和空间结构的同时，生成更加多样化、符合实际光谱物理规律的高光谱样本；引入类别标签嵌入机制，对预训练的扩散模型进行微调，优化扩散模型的生成能力，从根本上缓解了小样本标注稀缺的问题。引入多重筛选标准，包括光谱物理约束、特征空间对齐以及语义一致性验证，确保生成样本在光谱和空间维度上的真实性和语义一致性。

本发明授权基于光谱-空间扩散生成的高光谱图像分类方法及系统在权利要求书中公布了：1.基于光谱-空间扩散生成的高光谱图像分类方法，其特征在于，包括： 利用高光谱图像训练集对光谱-空间扩散模型进行预训练，得到预训练光谱-空间扩散模型； 将离散的类别标签映射为实数向量，并与时间步嵌入向量结合，形成类别条件嵌入向量； 基于类别条件嵌入向量，利用逐特征线性调制机制对每个特征通道进行线性调制，以引入的类别标签作为条件，将类别信息融入光谱-空间扩散模型的训练目标中； 利用带标签的小样本数据对预训练光谱-空间扩散模型微调，得到第一光谱-空间扩散模型，基于第一光谱-空间扩散模型得到高光谱生成样本； 对高光谱生成样本进行筛选，得到筛选后的高光谱生成样本；其中，筛选条件包括光谱物理约束、类别原型一致性约束和语义一致性验证； 所述光谱物理约束为：计算高光谱生成样本与目标类别真实样本光谱的夹角，作为光谱角度距离，保留所计算的光谱角度距离小于设定角度阈值的高光谱生成样本； 所述类别原型一致性约束为：利用预训练的分类器提取真实样本的特征向量并计算均值，得到类别原型向量；利用预训练的分类器提取高光谱生成样本相同层级的特征向量，并计算与类别原型向量的欧式距离，筛选出所计算的欧式距离小于设定距离阈值的高光谱生成样本； 所述语义一致性验证为：利用预训练的分类器对高光谱生成样本进行类别预测并计算预测置信度，保留预测置信度高于设定阈值的高光谱生成样本； 利用筛选后的高光谱生成样本对分类模型进行训练，将待分类高光谱图像输入至经过训练的分类模型，得到分类结果，所述分类模型包含三个核心组件：多尺度轻量级瓶颈模块、双注意力融合模块、原型增强特征分类头； 所述分类模型对输入的待分类高光谱图像的处理过程为： 利用多尺度轻量级瓶颈模块，捕捉待分类高光谱图像不同尺度的光谱特征，以及空间特征，将光谱特征和空间特征进行加权融合得到光谱-空间特征； 基于双注意力融合模块，利用光谱注意力分支和空间注意力分支提升光谱-空间特征的表达能力； 基于原型增强特征分类头，通过原型聚合策略来更新每个类别的原型，计算所述双注意力融合模块输出的特征向量与每个类别原型之间的余弦相似度，根据计算的余弦相似度进行指数运算并归一化处理，得到分类概率。

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青岛科技大学，其通讯地址为：266061 山东省青岛市崂山区松岭路99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。