買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉蘇州大學申請的專利基于自適應L-BFGS算法的高光譜圖像分類方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115937565B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210133932.8，技術領域涉及：G06V10/764；該發明授權基于自適應L-BFGS算法的高光譜圖像分類方法是由黃鶴;于文博;王俊設計研發完成，并于2022-02-14向國家知識產權局提交的專利申請。

本基于自適應L-BFGS算法的高光譜圖像分類方法在說明書摘要公布了：本發明涉及一種基于自適應L?BFGS算法的高光譜圖像分類方法，利用卷積層和長短期記憶網絡層提取像元空間特征，并將其與光譜特征相融合，最終實現分類的目的，同時采用改進二階優化算法對網絡模型進行參數更新與優化，解決了該應用場景下樣本數目過多、數據量過大、參數難以更新等問題，提升了算法的收斂速度，解決了算法容易陷入局部最優點的問題。本發明將像元在局部空間的排列作為連續信息，利用長短期記憶網絡層對其進行特征提取，保障了高光譜圖像像元特征的多樣性，有助于分類效果的提升。本發明將空譜特征利用拼接操作進行融合，實現多模態學習的目的。

本發明授權基于自適應L-BFGS算法的高光譜圖像分類方法在權利要求書中公布了：1.基于自適應L-BFGS算法的高光譜圖像分類方法，其特征在于，包括如下步驟： S10：數據預處理： 獲取高光譜圖像的像元數據及對應的空間數據形成輸入樣本二和輸入樣本一； 將輸入樣本一和輸入樣本二分別打亂，從每個輸入樣本中抽取部分形成訓練樣本一和訓練樣本二； S20：構建深度網絡模型： 深度網絡模型包括空間特征提取模塊一、空間特征提取模塊二、光譜特征提取模塊和分類模塊，利用卷積層和長短期記憶網絡層分別對空間特征提取模塊一、空間特征提取模塊二處理得到第一輸出和第二輸出，利用全連接層對光譜特征提取模塊處理得到第三輸出，對輸出結果進行融合； 將融合結果輸入分類模塊，得到第四輸出； S30：訓練網絡模型： 每次從訓練樣本一和訓練樣本二中選取小批量訓練樣本一和小批量訓練樣本二，將小批量訓練樣本一作為空間特征提取模塊一、將小批量訓練樣本一進行變換作為空間特征提取模塊二、將小批量訓練樣本二作為光譜特征提取模塊輸入到步驟S20的深度網絡模型中，得到全部輸出，并根據上述輸出計算損失函數L； 損失函數的計算公式為：L＝Lcls+LKL1+LKL2+LKL3，其中： Lcls＝CrossEntropyOutput，l； ； ； ； ∑·為將括號內的內容全部加在一起，l是樣本標簽的獨熱碼，尺寸為1×c，其中只有一個位置數值為1，其他位置數值均為0，Lcls利用交叉熵計算最終分類精度，LKL1利用光譜角距離計算第一輸出和第三輸出之間的光譜相似性，LKL2利用光譜角距離計算第二輸出和第三輸出之間的光譜相似性，LKL3利用光譜角距離計算第一輸出和第二輸出之間的光譜相似性； 利用L-BFGS算法，對網絡參數進行訓練，直至網絡收斂；訓練過程中，自適應選擇K*個記憶尺度，其中K*＝argmin1≤K≤M{QK}， ； 訓練過程中，根據K*個記憶尺度，計算出K*個方向并以混合方向作為搜索方向； 訓練過程中，深度網絡模型中的參數根據下式進行更新： xt+1＝xt+μt⊙dt； 其中，μt為步長即學習率，；且；β是衰減率，η是初始步長，ε是常數； S40：生成分類結果： 基于訓練好的深度網絡模型，將輸入樣本一和輸入樣本二進行輸入，得到所有高光譜像元的類別標簽。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人蘇州大學，其通訊地址為：215000 江蘇省蘇州市吳中區石湖西路188號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。