買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西安電子科技大學(xué);北京遙測(cè)技術(shù)研究所申請(qǐng)的專利基于狀態(tài)空間模型的高光譜圖像分類方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119672410B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202411713598.9，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)基于狀態(tài)空間模型的高光譜圖像分類方法是由張敏;魯松;王海;霍豫;王靜溫;高晨宇設(shè)計(jì)研發(fā)完成，并于2024-11-27向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于狀態(tài)空間模型的高光譜圖像分類方法在說明書摘要公布了：本發(fā)明提出了一種基于狀態(tài)空間模型的高光譜圖像分類方法，主要解決現(xiàn)有方法分類精度不佳的問題。方案包括：1輸入高光譜圖像，并對(duì)其進(jìn)行預(yù)處理；2使用鄰域光譜融合法消除光譜變異性，再利用子譜掃描法感知光譜細(xì)節(jié)差異，獲取圖像光譜分類信息；3利用SS2D層、改進(jìn)的空間注意機(jī)制和多個(gè)殘差塊構(gòu)建空間特征提取網(wǎng)絡(luò)，并利用該網(wǎng)絡(luò)獲取高光譜圖像的空間分類信息；4通過在決策層融合空間與光譜分類信息，得到最終分類結(jié)果。本發(fā)明能夠在較小范圍內(nèi)降低光譜變異性造成的影響，在能感知全面光譜信息的前提下不忽略光譜局部信息，同時(shí)聯(lián)合空間信息，從而有效提升高光譜圖像的分類效果。

本發(fā)明授權(quán)基于狀態(tài)空間模型的高光譜圖像分類方法在權(quán)利要求書中公布了：1.一種基于狀態(tài)空間模型的高光譜圖像分類方法，其特征在于，包括如下步驟： 1給定一個(gè)高光譜圖像XHSI∈RW×H×B，其中W、H和B分別表示圖像的寬、高和光譜波段數(shù)；并對(duì)XHSI進(jìn)行降維處理，得到降維后的圖像XPCA；假設(shè)需要分類的像素位于點(diǎn)i,j，取點(diǎn)i,j處的光譜值xcenter∈R1×1×B、點(diǎn)i,j周圍長(zhǎng)、寬均為P的小尺度全波段圖像塊Xpatch1∈RP×P×B，以及XPCA中點(diǎn)i,j處長(zhǎng)、寬均為N的大尺度圖像塊Xpatch2∈RN×N×n； 2使用鄰域光譜融合法消除光譜變異性對(duì)高光譜圖像像素分類的干擾，實(shí)現(xiàn)步驟如下： 2.1計(jì)算點(diǎn)i,j處向量xcenter和其周圍像素的平均值xavg； 2.2采用愛因斯坦求和計(jì)算xcenter和xavg融合的光譜矢量xfus； 2.3將xfus輸入到第一個(gè)狀態(tài)空間模型S6中進(jìn)行特征提取，通過殘差層進(jìn)行連接，得到融合了小尺度空間特征的第一光譜特征Fnsf； 3使用子譜掃描法感知高光譜圖像像素的光譜細(xì)節(jié)差異，按照如下步驟獲取光譜分類信息： 3.1對(duì)向量xcenter進(jìn)行分割并重組，得到重組后的二維張量x'center，隨后將其送入第二個(gè)狀態(tài)空間模型S6進(jìn)行特征提取，得到第二光譜特征Fss； 3.2將特征Fss與Fnsf相加后送入用于處理光譜信息的線性層，得到光譜分類信息； 4構(gòu)建空間特征提取網(wǎng)絡(luò)，并利用該網(wǎng)絡(luò)獲取高光譜圖像的空間分類信息： 4.1利用SS2D層和改進(jìn)的空間注意機(jī)制SA組成網(wǎng)絡(luò)的第一部分，所述改進(jìn)的空間注意力機(jī)制SA是在原始空間注意力機(jī)制的基礎(chǔ)上增加殘差鏈接，用于使輸入輸出圖像塊的尺寸一致；然后使用第一部分的SS2D層與一個(gè)層標(biāo)準(zhǔn)化LayerNorm運(yùn)算組成網(wǎng)絡(luò)的第二部分；最后，采用一個(gè)用于處理原始空間信息的線性層Linear和激活函數(shù)SiLU組成網(wǎng)絡(luò)的第三部分；這三個(gè)部分共同構(gòu)成空間特征提取網(wǎng)絡(luò)； 4.2將Xpatch2作為空間特征提取網(wǎng)絡(luò)的輸入，獲取高光譜圖像的空間特征；并將所述空間特征送入用于處理融合了三種空間信息的線性層，得到空間分類信息； 5將空間分類信息與光譜分類信息拼接后送入多層感知機(jī)MLP進(jìn)行決策層特征融合，得到聯(lián)合空間信息和光譜信息的最終分類結(jié)果。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人西安電子科技大學(xué);北京遙測(cè)技術(shù)研究所，其通訊地址為：710071 陜西省西安市雁塔區(qū)太白南路2號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。