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！

龙图腾网恭喜西安电子科技大学申请的专利基于图卷积与卷积融合的高光谱地物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：CN116664954B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202310791825.9，技术领域涉及：G06V10/764；该发明授权基于图卷积与卷积融合的高光谱地物分类方法是由贾文俊;闫明宁;施国栋;阮文;刘文征设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本基于图卷积与卷积融合的高光谱地物分类方法在说明书摘要公布了：本发明公开了一种基于图卷积与卷积融合的高光谱地物分类方法，主要解决现有技术对图像分类依赖大量样本训练，无法充分捕获到图像长距离依赖关系的问题。其实现方案是：从公开网站上获取高光谱数据集和数据标注集，划分出训练集和测试集样本；构建由区域级特征提取模块、特征融合转换模块、像素级特征提取模块串联组成的特征提取网络；利用训练集通过交叉熵损失函数计算整个网络的损失，利用随机梯度下降法迭代优化网络参数，得到训练好的提取网络；将测试集输入到训练好的提取网络，得到高光谱图像分类结果。本发明能充分挖掘遥感图像特征的深层次信息，捕获图像区域间的依赖关系，提升图像特征的提取能力，可用于城市发展、环境监测及资源勘探。

本发明授权基于图卷积与卷积融合的高光谱地物分类方法在权利要求书中公布了：1.一种基于图卷积与卷积融合的高光谱图像分类方法，其特征在于，包括如下步骤：1从公开网站获取高光谱图像的原始数据集和数据标注集，并从数据标注集中选取不为0的标签构成训练集，将剩下的所有样本构成测试样本集；2对高光谱图像的原始数据集进行预处理：2a采用简单线性迭代算法对高光谱图像进行分割；2b对分割后的图像计算其区域矩阵V、邻接关系矩阵A、区域与像素映射关系矩阵Q；3搭建特征提取网络：3a建立由三个图卷积层，一个图池化层，一个图反池化层构成的区域级特征提取模块，用于提取区域之间的依赖关系；3b搭建由多尺度特征提取层与现有的注意力层组成的像素级特征提取模块，用于提取单个像素上的光谱信息和空间特征；3c建立用于融合3a和3b特征的融合模块；3d将区域级特征提取模块与像素级特征模块并联连接，再与融合模块串联构成特征提取网络，并将交叉熵损失函数作为该特征提取网络的损失函数；4对特征提取网络进行训练：4a将原始图像以及区域矩阵V、邻接关系矩阵M、区域与像素映射关系矩阵Q输入到特征提取网络，计算特征提取网络输出与训练集真实标签的损失值；4b使用随机梯度下降法，逐渐降低损失函数的值，以对网络参数进行更新，直到完成设定的最大迭代次数，得到训练好的特征提取网络；5利用训练好的特征提取网络，得到测试集高光谱图像分类结果：5a将原始图像以及区域矩阵V、邻接关系矩阵M、区域与像素映射关系矩阵Q输入到训练好的特征提取网络中，得到输出向量F；5b对输出向量F的通道维度使用argmax函数计算通道维度上最大值所在的位置索引，该位置索引即为整幅图像中所有像素点的类别；5c在整幅图像中所有像素点的类别中，找到测试集对应坐标的值，即是测试集的分类结果。

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电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。