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)恭喜北京科技大學(xué)申請的專利一種融合曼巴與切比雪夫圖卷積的高光譜圖像分類方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119741558B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-30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?zhí)?專利號為：202510241315.3，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)一種融合曼巴與切比雪夫圖卷積的高光譜圖像分類方法是由莊培顯;王昊;韓嘉恒;李江昀;張笑辰;王宏;袁立;張?zhí)煜柙O(shè)計(jì)研發(fā)完成，并于2025-03-03向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種融合曼巴與切比雪夫圖卷積的高光譜圖像分類方法在說明書摘要公布了：本發(fā)明提供一種融合曼巴與切比雪夫圖卷積的高光譜圖像分類方法，涉及高光譜圖像檢測技術(shù)領(lǐng)域。所述方法包括：收集高光譜圖像數(shù)據(jù)集，并進(jìn)行預(yù)處理，將每張圖像以每個(gè)像素點(diǎn)為中心劃分為預(yù)定數(shù)量的圖像塊；將圖像塊輸入異構(gòu)空間卷積塊進(jìn)行處理，獲得具有不同感受野的輸出數(shù)據(jù)；將輸出數(shù)據(jù)分為兩個(gè)分支，其中一個(gè)分支通過波段選擇增強(qiáng)雙向曼巴分支進(jìn)行處理，獲取空間特征與光譜特征的長程依賴關(guān)系，得到第一輸出；另一個(gè)分支輸入重參數(shù)化切比雪夫圖卷積分支進(jìn)行處理，獲取不同像素之間的相似關(guān)系，得到第二輸出；對第一輸出和第二輸出進(jìn)行融合，得到雙分支融合特征，輸入分類器中得到最終分類結(jié)果。本發(fā)明能夠提升分類精度，并降低計(jì)算成本。

本發(fā)明授權(quán)一種融合曼巴與切比雪夫圖卷積的高光譜圖像分類方法在權(quán)利要求書中公布了：1.一種融合曼巴與切比雪夫圖卷積的高光譜圖像分類方法，其特征在于，包括以下步驟：S1、收集高光譜圖像數(shù)據(jù)集，并按比例劃分為訓(xùn)練集和驗(yàn)證集；S2、對圖像數(shù)據(jù)進(jìn)行預(yù)處理，將每張圖像以每個(gè)像素點(diǎn)為中心劃分為預(yù)定數(shù)量的圖像塊X；S3、將圖像塊X輸入異構(gòu)空間卷積塊進(jìn)行處理，獲得具有不同感受野的輸出數(shù)據(jù)Xout；S4、將Xout分為兩個(gè)分支，其中一個(gè)分支通過波段選擇增強(qiáng)雙向曼巴分支進(jìn)行處理，獲取圖像中空間特征與光譜特征的長程依賴關(guān)系；所述步驟S4中，波段選擇增強(qiáng)雙向曼巴分支的處理過程包括：將異構(gòu)空間卷積塊的輸出數(shù)據(jù)Xout輸入位置信息編碼器，通過位置信息編碼為輸入數(shù)據(jù)增加位置信息，以提供像素在空間排列的上下文信息；將編碼后數(shù)據(jù)輸入深度可分離卷積層進(jìn)行特征提取，提取出圖像的空間特征Xc；波段選擇增強(qiáng)雙向曼巴分支的公式表達(dá)為： ；其中，MambaspafXc和MambaspabXc分別代表前向空間曼巴和后向空間曼巴的操作過程，F(xiàn)lipXc代表數(shù)據(jù)的翻轉(zhuǎn)操作，Xspaf為前向空間曼巴的輸出，Xspab為后向空間曼巴的輸出；S5、利用頻帶選擇曼巴模型對不同光譜通道生成通道重要性分?jǐn)?shù)S，并與波段選擇增強(qiáng)雙向曼巴分支的輸出進(jìn)行加權(quán)處理，得到第一輸出YM；所述步驟S5中，頻帶選擇曼巴模型的處理過程包括：交換深度可分離卷積層的輸出結(jié)果Xc的空間維度和光譜維度，得到Xr， ；將Xr分別通過前向光譜曼巴和后向光譜曼巴操作后，相加得到光譜特征Xb： ；對光譜特征Xb進(jìn)行池化、全連接層和sigmoid激活函數(shù)操作，生成通道重要性分?jǐn)?shù)S，S表示不同光譜通道的重要性： ；將波段選擇增強(qiáng)雙向曼巴分支的輸出和通道重要性分?jǐn)?shù)S相乘，得到加權(quán)特征Yspaf和Yspab： ； ；通過卷積層和拼接操作融合加權(quán)后的特征，得到第一輸出YM： ； Y M 為包含了圖像中前向和后向的光譜信息與空間信息的長程依賴關(guān)系的特征表示；S6、將Xout的另一個(gè)分支輸入重參數(shù)化切比雪夫圖卷積分支進(jìn)行處理，獲取圖像中不同像素之間的相似關(guān)系，得到第二輸出Y；所述步驟S6中，重參數(shù)化切比雪夫圖卷積分支的處理過程包括：將異構(gòu)空間卷積塊的輸出數(shù)據(jù)Xout進(jìn)行層歸一化，每個(gè)像素視為圖結(jié)構(gòu)中的節(jié)點(diǎn)；使用余弦相似度計(jì)算所有節(jié)點(diǎn)之間的相似度，得到向量相似度矩陣M；匹配指示器設(shè)置閾值T，對向量相似度矩陣M進(jìn)行過濾，生成鄰接矩陣A；對鄰接矩陣進(jìn)行度映射，得到度矩陣D，根據(jù)度矩陣D和鄰接矩陣A構(gòu)建圖拉普拉斯矩陣L；為使節(jié)點(diǎn)保留自身特征，對圖拉普拉斯矩陣L添加自環(huán)，得到更新后的圖拉普拉斯矩陣；使用切比雪夫迭代法對更新后的圖拉普拉斯矩陣進(jìn)行計(jì)算，得到多個(gè)階數(shù)的切比雪夫多項(xiàng)式；表示k階切比雪夫多項(xiàng)式，通過遞歸關(guān)系計(jì)算；將計(jì)算結(jié)果輸入重參數(shù)化加權(quán)器，得到重參數(shù)化的切比雪夫系數(shù)wk：重參數(shù)化切比雪夫圖卷積分支的輸出，即第二輸出Y表示為： ；其中Xin為輸入特征矩陣，包含圖中節(jié)點(diǎn)的特征；Y∈RN×C，N為像素?cái)?shù)，C為輸出特征的維度，K為切比雪夫多項(xiàng)式的階數(shù)；S7、利用雙支路集成模塊對第一輸出YM和第二輸出Y進(jìn)行融合，得到雙分支融合特征，輸入分類器中得到最終分類結(jié)果；所述步驟S7具體包括：對波段選擇增強(qiáng)雙向曼巴分支的第一輸出YM和重參數(shù)化切比雪夫圖卷積分支的第二輸出Y分別進(jìn)行池化、第一層卷積、第一激活函數(shù)、第二層卷積、第二激活函數(shù)的操作，生成通道注意力權(quán)重；將每個(gè)分支的輸出特征與對應(yīng)的通道注意力權(quán)重進(jìn)行逐元素乘法，然后將加權(quán)后的特征融合，得到雙分支融合特征；將雙分支融合特征輸入到分類器，執(zhí)行分類任務(wù)，得到最終分類結(jié)果。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人北京科技大學(xué)，其通訊地址為：100083 北京市海淀區(qū)學(xué)院路30號；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)”。