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一种基于小样本深度学习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：CN116310510B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202310095139.8，技术领域涉及：G06V10/764；该发明授权一种基于小样本深度学习的高光谱图像分类方法是由高大化;孙科;张中强;刘丹华;牛毅;石光明设计研发完成，并于2023-02-08向国家知识产权局提交的专利申请。

本一种基于小样本深度学习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小样本深度学习的高光谱图像分类方法，包括：获取源域高光谱图像集和目标域高光谱图像集；以经填充处理后的源域高光谱图像和目标域高光谱图像的每个像素点为中心提取若干第一图像块和若干第二图像块；在每个类别中，随机选出部分第一图像块组成源域支持集以及部分第一图像块组成源域查询集，随机选出部分第二图像块组成目标域支持集以及部分第一图像块组成目标域查询集；利用支持集、查询集对小样本谱空特征提取卷积神经网络进行训练，得到训练好的网络；将待分类的高光谱图像输入至训练好的小样本谱空特征提取卷积神经网络，得到分类结果。本发明能够提高分类精度且能够更深层次的提取高光谱图像中所包含的空间信息。

本发明授权一种基于小样本深度学习的高光谱图像分类方法在权利要求书中公布了：1.一种基于小样本深度学习的高光谱图像分类方法，其特征在于，所述高光谱图像分类方法包括：步骤1、获取源域高光谱图像集和目标域高光谱图像集，所述源域高光谱图像集包括多张源域高光谱图像，所述目标域高光谱图像集包括多张目标域高光谱图像；步骤2、对所述源域高光谱图像和所述目标域高光谱图像的边缘部分分别进行填充处理，以经填充处理后的源域高光谱图像和目标域高光谱图像的每个像素点为中心提取若干第一图像块和若干第二图像块；步骤3、在每个类别中，随机选出部分所述第一图像块组成源域支持集以及部分所述第一图像块组成源域查询集，随机选出部分所述第二图像块组成目标域支持集以及部分所述第一图像块组成目标域查询集；步骤4、基于随机梯度下降法，利用所述源域支持集、所述源域查询集、所述目标域支持集和所述目标域查询集对小样本谱空特征提取卷积神经网络进行交替训练，得到训练好的小样本谱空特征提取卷积神经网络，所述小样本谱空特征提取卷积神经网络从光谱和空间两个方面提取特征，所述小样本谱空特征提取卷积神经网络的总损失函数由交叉熵损失函数、相关性对齐损失函数和最大均值化差异损失函数构成；步骤5、将待分类的高光谱图像输入至所述训练好的小样本谱空特征提取卷积神经网络，得到分类结果；其中，所述小样本谱空特征提取卷积神经网络的结构包括谱分支网络、空间分支网络、域注意力模块、第一拼接层、全连接层和softmax分类器，所述谱分支网络、所述空间分支网络并联后再与所述域注意力模块依次串联，所述域注意力模块、所述第一拼接层、所述全连接层和softmax分类器串联，所述谱分支网络包括2个3D可形变卷积块和2个第一最大池化层，第1个所述3D可形变卷积块、第1个所述第一最大池化层、第2个所述3D可形变卷积块、第2个所述第一最大池化层依次串联，空间分支网络域注意力模块包括依次串联的多尺度空间特征提取模块、第二拼接层和第二最大池化层；所述域注意力模块采用2D卷积层，其中包括1个光谱注意力模块和2个空间注意力模块，光谱注意力模块为1个2D卷积层，2个空间注意力模块为2个2D卷积层，3个2D卷积层依次串联。

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”。