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！

龙图腾网恭喜青岛理工大学申请的专利一种基于TRANSFORMER特征融合的高光谱影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：CN114627370B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202210144122.2，技术领域涉及：G06V20/10；该发明授权一种基于TRANSFORMER特征融合的高光谱影像分类方法是由郝思媛;刘佳璇;夏裕凤;赵锟设计研发完成，并于2022-02-17向国家知识产权局提交的专利申请。

本一种基于TRANSFORMER特征融合的高光谱影像分类方法在说明书摘要公布了：本发明提供的是一种基于TRANSFORMER特征融合的高光谱影像分类方法，通过将空‑谱信息特征与深层关联信息融合，更有效地利用影像光谱特征与空间特征，显著提高图像的分类精度。提出方法包括空‑谱信息挖掘、基于Transformer的特征融合、预测三个步骤。空‑谱信息挖掘是通过影像转置和三通道卷积神经网络的构建，充分挖掘影像中包含的空‑谱信息；基于Transformer的特征融合是将三通道获取的影像分别输入Transformer的三个编码器中，然后利用解码器将空谱特征进行融合，获取融合的空‑谱特征；预测是将Transformer融合的空谱特征输入到softmax中，从而得到分类器的分类精度。

本发明授权一种基于TRANSFORMER特征融合的高光谱影像分类方法在权利要求书中公布了：1.一种基于TRANSFORMER特征融合的高光谱影像分类方法，其特征在于，包括以下步骤：S1：将原始高光谱影像进行主成分分析PCA处理；S2：影像转置处理，令X∈RB×M×N表示PCA后获得的图像立方体，其中B，M和N分别是通道数、高度和宽度，X1和X3是转置X后的图像立方体，其大小分别为B×N×M和M×B×N，X2代表原始X；S3：将X1、X2、X3作为三通道卷积神经网络的输入，进行空-谱信息挖掘，三个卷积神经网络均由三维和二维卷积神经网络组成，将三通道卷积神经网络挖掘得到的空-谱信息的特征图分别表示为X1new、X2new、X3new；S4：将S3所述特征图X1new、X2new、X3new，通过语义标记器传递转换为序列T1、T2和T3；S5：将T1、T2和T3输入三个Transformer的三个编码器中，这三个编码器具有相同的结构，由多头自注意力（MSA）和多层感知模块（MLP）组成，来获取不同维度特征的更高层次关联信息T1new、T2new和T3new；S6：将空-谱信息特征图级联Xnew=concat{X1new,X2new,X3new}，同时将深层关联序列信息级联Tnew=concat{T1new,T2new,T3new}；S7：采用Transformer的解码器模块进行特征融合，将Xnew和Tnew融合，获得融合特征Xfusion，更有效地利用影像光谱特征与空间特征；S8：从解码器获得的融合特征Xfusion直接输入预测模块进行分类。

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青岛理工大学，其通讯地址为：266520 山东省青岛市黄岛区嘉陵江东路777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”。