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！

龙图腾网获悉烟台大学申请的专利一种基于多路径演化的少样本高光谱遥感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：CN121505452B 。

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：202610023742.9，技术领域涉及：G06V20/10；该发明授权一种基于多路径演化的少样本高光谱遥感图像分类方法及系统是由宋永超;张峻豪;刘兆伟;王胜骞;汪健平;阎维青;王莹洁;苏开乐;童向荣;马文明;姜岸佐;单垚;王璇设计研发完成，并于2026-01-09向国家知识产权局提交的专利申请。

本一种基于多路径演化的少样本高光谱遥感图像分类方法及系统在说明书摘要公布了：本发明涉及遥感图像处理技术领域，尤其是涉及一种基于多路径演化的少样本高光谱遥感图像分类方法及系统。所述方法包括根据获取的多尺度深层特征表示利用光谱压缩重构生成光谱注意力权重，基于自适应多路径特征演化对加权特征进行三维卷积演化，得到信息融合特征；通过动态门控机制对三条路径的信息融合特征进行加权融合；根据融合后的特征获得高光谱图像分类结果。本发明实现了多尺度特征的自适应演化与跨路径选择性融合；经上述多级特征编码后的深层特征用于最终分类推理，从而在极少样本条件下实现高精度的高光谱图像分类。

本发明授权一种基于多路径演化的少样本高光谱遥感图像分类方法及系统在权利要求书中公布了：1.一种基于多路径演化的少样本高光谱遥感图像分类方法，其特征在于，包括： 获取高光谱三维数据； 对获取的高光谱三维数据进行预处理； 基于光谱-空间解耦卷积提取预处理后数据的初步光谱-空间特征； 根据初步光谱-空间特征，基于非对称多尺度残差机制获取多尺度深层特征表示； 根据获取的多尺度深层特征表示利用光谱压缩重构生成光谱注意力权重，基于自适应多路径特征演化对加权特征进行三维卷积演化，得到信息融合特征； 通过动态门控机制对三条路径的信息融合特征进行加权融合； 根据融合后的特征获得高光谱图像分类结果； 所述基于非对称多尺度残差机制获取多尺度深层特征表示，包括将得到的初步光谱-空间融合特征输入至非对称多尺度残差模块，通过多层次、非对称卷积结构融合全局、光谱与空间三个尺度的深层特征，并结合残差连接提高特征传递效率，具体包括，首先对输入特征执行三维卷积操作，随后，输出经过批归一化与非线性激活，用于稳定训练并增强特征表达能力，表示为： ， 然后将送入第二个卷积单元，利用第二卷积单元的感受野在光谱维度上拉长，而在空间维度上保持最小化，从而侧重捕获光谱方向的变化趋势和跨波段相关性，同样进行批归一化与激活操作，以提升光谱方向特征的可分辨性，表示为： ， 接着将输入第三个卷积单元，利用第三卷积单元的卷积核在空间维度上扩展，但保持光谱维度紧凑，用于捕捉局部空间结构、纹理细节和空间上下文信息，表示为： ， 最后引入残差连接路径，并经过激活函数处理，以获得最终的多尺度深层光谱-空间特征表示，表示为：， 其中，表示激活函数，表示批归一化操作，为非对称多尺度残差模块输出的深层特征； 所述根据获取的多尺度深层特征表示利用光谱压缩重构生成光谱注意力权重，包括以非对称多尺度残差模块输出的深层特征张量为输入，其中是批量大小，是通道数，是光谱维度，和分别为空间高度与宽度，通过1×1卷积层，将光谱维度从压缩到,同时采用ReLU激活函数增强非线性表示能力；然后对压缩后的特征再通过1×1卷积层重构回原始光谱维度，并通过Sigmoid激活函数生成归一化的光谱自适应权重，光谱压缩-重构的公式为： ， 其中，和分别表示压缩和重构卷积的权重矩阵，表示Sigmoid激活函数，是生成的光谱自适应权重；最后随后将生成的权重与原始特征逐元素相乘，实现光谱维度上的自适应加权，表示为：。

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烟台大学，其通讯地址为：264003 山东省烟台市莱山区清泉路30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。