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！

龙图腾网恭喜安徽大学申请的专利基于光谱-空间自注意力和Transformer网络的高光谱图像分类方法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：CN117315481B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202311369853.8，技术领域涉及：G06V20/10；该发明授权基于光谱-空间自注意力和Transformer网络的高光谱图像分类方法是由黄林生;章露;赵晋陵;阮超;雷雨;黄文江设计研发完成，并于2023-10-23向国家知识产权局提交的专利申请。

本基于光谱-空间自注意力和Transformer网络的高光谱图像分类方法在说明书摘要公布了：本发明涉及一种基于光谱‑空间自注意力和Transformer网络的高光谱图像分类方法，包括：输入高光谱图像；使用主成分分析进行降维，得到降维后的高光谱图像；通过CBAM模块进行初步的光谱‑空间特征学习；进行初步特征学习；再经过光谱注意力模块得到光谱特征，最后继续挖掘光谱特征；输入空间注意力模块；输入Transformer模块，对全局特征进行学习；将经过全局特征学习的高光谱图像，最后经过全局池化、展平、批归一化和线性层，得到最终分类结果。本发明通过对高光谱图像作为研究对象，使用二维卷积能够在保持计算效率的同时减少计算量和节约成本；实现轻量级、高效率的特征提取和通道选择，提高了中心特征向量识别的准确性，增强了空间提取能力。

本发明授权基于光谱-空间自注意力和Transformer网络的高光谱图像分类方法在权利要求书中公布了：1.一种基于光谱-空间自注意力和Transformer网络的高光谱图像分类方法，其特征在于：该方法包括下列顺序的步骤：1输入高光谱图像H∈Rh×w×l，其中h、w、l分别代表高光谱图像的长度、宽度以及波段数；2对输入的高光谱图像H∈Rh×w×l使用主成分分析进行降维，得到降维后的高光谱图像HPCA∈Rh×w×b，将波段数从l降维到b；3降维后的高光谱图像HPCA通过CBAM模块进行初步的光谱-空间特征学习，得到第一输出结果；4所述第一输出结果依次通过批归一化层、二维卷积层和Relu激活函数，进行初步特征学习；再经过光谱注意力模块得到光谱特征，最后通过批归一化层、二维卷积层和Relu激活函数继续挖掘光谱特征，得到第二输出结果Pi，j；5将第二输出结果Pi，j输入空间注意力模块，得到第三输出结果[P1，P2，…，Pω]；6将第三输出结果[P1，P2，…，Pω]输入Transformer模块，对全局特征进行学习，得到经过全局特征学习的高光谱图像；7将经过全局特征学习的高光谱图像，最后经过全局池化、展平、批归一化和线性层，得到最终分类结果；所述步骤4具体包括以下步骤：4a将第一输出结果依次通过批归一化层，3×3二维卷积和Relu激活函数，进行初步特征学习；4b再经过光谱注意力模块得到光谱特征，所述光谱注意力模块由两组深度可分离卷积块构成，即第一组深度可分离卷积块和第二组深度可分离卷积块，所述第一组深度可分离卷积块包含一个批归一化层，一个1×1的点卷积、激活函数LeakyReLU、SE注意力模块、3×3的逐通道卷积以及激活函数ReLU；所述第二组深度可分离卷积块包含一个批归一化层，一个1×1的点卷积、激活函数LeakyReLU、SE注意力模块、5×5的逐通道卷积以及激活函数ReLU；4c再通过批归一化层，3×3二维卷积和Relu激活函数增强光谱特征表示，得到第二输出结果Pi，j。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。