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！

龍圖騰網獲悉哈爾濱工業大學申請的專利面向不確定性估計的高光譜圖像分類方法和裝置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：CN116310502B 。

龍圖騰網通過國家知識產權局官網在2025-08-26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：202310076799.1，技術領域涉及：G06V10/764；該發明授權面向不確定性估計的高光譜圖像分類方法和裝置是由何欣;陳雨時;李青云;黃凌博;王珺瑋設計研發完成，并于2023-01-30向國家知識產權局提交的專利申請。

本面向不確定性估計的高光譜圖像分類方法和裝置在說明書摘要公布了：本申請提出一種面向不確定性估計的高光譜圖像分類方法，涉及高光譜圖像分類技術領域，該方法包括：獲取高光譜圖像；構建自適應降維層，將高光譜圖像輸入自適應降維層提取光譜特征，得到降維后的高光譜圖像；利用Gabor濾波器構建Gabor卷積層，使用貝葉斯深度學習刻畫Gabor卷積層的參數分布，將降維后的高光譜圖像輸入到Gabor卷積層中提取高光譜圖像的光譜?空間聯合特征；構建貝葉斯全連接層，使貝葉斯全連接層學習標準Dropout層的掩碼分布，將光譜?空間聯合特征輸入貝葉斯全連接層，通過貝葉斯全連接層進行分類，得到高光譜圖像的分類結果。本申請提高了高光譜圖像分類方法的分類精度，同時提供了高光譜分類結果的不確定性估計，可以反映對分類結果的可信程度。

本發明授權面向不確定性估計的高光譜圖像分類方法和裝置在權利要求書中公布了：1.一種面向不確定性估計的高光譜圖像分類方法，其特征在于，包括以下步驟： 獲取高光譜圖像； 構建自適應降維層，將所述高光譜圖像輸入所述自適應降維層提取光譜特征，得到降維后的高光譜圖像； 利用Gabor濾波器構建Gabor卷積層，使用貝葉斯深度學習刻畫所述Gabor卷積層的參數分布，將所述降維后的高光譜圖像輸入到所述Gabor卷積層中提取所述高光譜圖像的光譜-空間聯合特征； 構建貝葉斯全連接層，使所述貝葉斯全連接層學習標準Dropout層的掩碼分布，將所述光譜-空間聯合特征輸入所述貝葉斯全連接層，通過所述貝葉斯全連接層進行分類，得到所述高光譜圖像的分類結果； 其中，所述使用貝葉斯深度學習刻畫所述Gabor卷積層的參數分布，包括： 所述Gabor濾波器的參數分布滿足高斯分布，將所述高斯分布作為所述Gabor卷積層中參數的先驗分布； 通過貝葉斯推斷優化模型的Gabor參數的分布，獲取Gabor參數分布的近似后驗分布作為所述Gabor卷積層中參數的后驗分布； 將所述Gabor卷積層中參數的先驗分布擬合所述Gabor卷積層中參數的后驗分布； 所述Gabor卷積層表示為： 其中，F表示經過卷積操作輸出的特征圖，Fn表示第n個特征圖，表示卷積操作，C′表示經過Gabor濾波器調制后的濾波器，C表示卷積層中可學習的的濾波器，為點積操作，g表示先驗分布滿足高斯分布的Gabor濾波器； 所述構建貝葉斯全連接層，包括： 構建標準Dropout層，并自適應學習所述Dropout層的掩碼分布，將滿足自適應學習的掩碼分布的Dropout層作為所述貝葉斯全連接層； 其中，自適應學習所述Dropout層的掩碼分布，包括： 通過定義隱藏變量滿足一個子分布，并引入映射函數，刻畫掩碼的分布，其中，子分布r滿足可微且易于采樣，映射函數滿足單調可微，且輸出值域為[0，1]； 所述掩碼的分布表示為： 其中，mj表示第j個掩碼，k·表示映射函數，rj表示第j個掩碼滿足子分布r的變量，μ表示多元高斯分布的均值，σ表示多元高斯分布的方差。

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哈爾濱工業大學，其通訊地址為：150001 黑龍江省哈爾濱市南崗區西大直街92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”。