恭喜西安理工大学石俊飞获国家专利权
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！
龙图腾网恭喜西安理工大学申请的专利基于复矩阵和多特征协同学习的遥感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：CN114926696B 。
龙图腾网通过国家知识产权局官网在2025-03-25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：202210686715.1，技术领域涉及：G06V10/764；该发明授权基于复矩阵和多特征协同学习的遥感图像分类方法是由石俊飞;王伟;金海燕;贺天生;蔡磊设计研发完成，并于2022-06-17向国家知识产权局提交的专利申请。
本基于复矩阵和多特征协同学习的遥感图像分类方法在说明书摘要公布了：本发明公开了一种基于复矩阵和多特征协同学习的遥感图像分类方法，通过在黎曼RNRS分类方法的基础上引入超像素，减少了散斑噪声和计算时间，并且通过基于超像素的协同学习方法，将复杂矩阵和多特征融合到NRS分类框架中。本发明能够充分利用矩阵信息和极化特征，尤其在异质区域能够进行精确分类，得到更好的分类结果。
本发明授权基于复矩阵和多特征协同学习的遥感图像分类方法在权利要求书中公布了：1.基于复矩阵和多特征协同学习的遥感图像分类方法，其特征在于，步骤包括：步骤1，输入待分类的极化SAR图像，对极化SAR图像进行精致Lee滤波预处理；步骤2，对极化SAR图像提取原始复矩阵和多类特征，分别构造极化SAR复矩阵字典和多特征字典；步骤3，对极化SAR图像用简单线性迭代聚类方法生成超像素，对于每个超像素，分别提取复矩阵和多特征来表示超像素；步骤4，使用黎曼距离度量极化SAR复矩阵字典中特征向量的距离，构建基于超像素的黎曼最近子空间模型；采用欧氏距离来度量多特征中特征向量的距离；步骤5，建立一阶导的优化算法，求解步骤4中的基于超像素的黎曼最近子空间模型，得到系数矩阵A；步骤6，通过复矩阵字典、特征字典、步骤3得到的超像素的复矩阵和多特征，建立协同学习模型，用于联合学习复矩阵和多特征，得到多特征的表示系数B；步骤7，基于步骤5中系数A和步骤6中的系数B，获得得到极化SAR图像的分类结果。
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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号