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！

龙图腾网获悉哈尔滨工程大学申请的专利一种空-谱多尺度高光谱遥感图像目标检测方法及设备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：CN116246171B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202310217028.X，技术领域涉及：G06V20/10；该发明授权一种空-谱多尺度高光谱遥感图像目标检测方法及设备是由冯收;丰瑞;张鸿哲;陈勇奇;刘建飞;王雪晴;赵春晖;闫奕名;宿南设计研发完成，并于2023-03-08向国家知识产权局提交的专利申请。

本一种空-谱多尺度高光谱遥感图像目标检测方法及设备在说明书摘要公布了：一种空‑谱多尺度高光谱遥感图像目标检测方法及设备，属于高光谱遥感图像目标检测技术领域。为了解决现有的高光谱目标检测存在空间信息应用不够充分的问题以及其导致的高光谱目标检测能力弱的问题。本发明基于待检测目标区域的高光谱数据，将三维空间像素块构成一个样本，称为一个patch；将待测图像中所有的像元的patch与目标先验的patch构建样本对；将样本对输入多尺度空‑谱目标检测网络进行目标检测，首先通过两条结构、参数共享的独立支路分别处理输入的样本对中的两个patch，每条独立支路上对光谱特征和空间特征进行提取，然后在两条独立支路中最后一个下采样单元之后合并，输出特征经过多尺度差异特征混合后给出两个输入的相似度。

本发明授权一种空-谱多尺度高光谱遥感图像目标检测方法及设备在权利要求书中公布了：1.一种空-谱多尺度高光谱遥感图像目标检测方法，其特征在于，基于待检测目标区域的高光谱数据，将三维空间像素块构成一个样本，该像素块称为一个patch；将待测图像中所有的像元对应的patch与目标先验对应的patch构建样本对；将样本对输入多尺度空-谱目标检测网络进行目标检测，所述的多尺度空-谱目标检测网络由孪生网络结构的相似度量模块、基于注意力机制的空-谱特征提取模块、多尺度空-谱差异特征混合模块组成，具体结构如下： 基于孪生网络结构的相似度量模块：基于孪生网络结构的相似度量模块是基于孪生网络实现的；孪生网络是一种连体网络结构，它首先通过两条结构、参数共享的独立支路分别处理输入的样本对中的两个patch像素块，然后在两条独立支路中最后一个下采样单元之后合并，输出特征经过上采样单元后以相似分数的形式给出两个输入的相似度； 两条结构、参数共享的独立支路上分别设置基于注意力机制的空-谱特征提取模块；每个空-谱特征提取模块包含两条支路——光谱特征提取支路和空间特征提取支路，首先通过光谱特征提取和空间特征提取分别提取像元的光谱和空间信息，然后将二者融合得到空-谱融合特征； 光谱特征提取支路以patch的中心像元p∈R1×band为输入，band为波段数；光谱特征提取支路包括四个下采样单元；每个下采样单元由2或3个卷积层和一个最大池化层组成，在每一个卷积层之后添加有批次归一化层和dropout层以防止过拟合，批次归一化层即BN层；经过光谱特征提取之后获得像元的光谱特征； 空间特征提取支路以整个像素块patch∈Rl×l×band为输入，其中，l为像素块的空间尺寸；空间特征提取包括一个二维卷积层和一个视觉注意力单元，视觉注意力单元即ViT单元； 经过光谱特征提取和空间特征提取后，由第四个下采样单元的卷积输出得到光谱特征和最后输出的空间特征进行contact处理，然后送入第四个下采样单元中的最大池化层处理以获得像元的空-谱联合特征； 多尺度空-谱差异特征混合模块包括四个上采样单元，每个上采样单元包含2或3个转置卷积，第一个转置卷积执行上采样，其余的转置卷积实现特征聚合与提取；每个转置卷积后跟随一个BN层和dropout层； 每个上采样单元的输出与空-谱特征提取模块中相应尺度的下采样阶段的输出差值通过长跳连接进行相连，作为下一个上采样单元的输入；经过四个上采样单元，即获得了四个不同尺度的空-谱差异混合特征；最后三个不同尺度的特征按权重相加，所得张量经过一个全连接层和一个激活函数层得到相似分数；基于相似分数实现目标检测。

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哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145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”。