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！

龙图腾网获悉苏州大学申请的专利基于多层次变分自动编码器的高光谱图像特征提取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：CN116416441B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202111627432.1，技术领域涉及：G06V10/58；该发明授权基于多层次变分自动编码器的高光谱图像特征提取方法是由于文博;黄鹤;沈纲祥设计研发完成，并于2021-12-28向国家知识产权局提交的专利申请。

本基于多层次变分自动编码器的高光谱图像特征提取方法在说明书摘要公布了：本申请提出一种针对高光谱图像的基于多层次变分自动编码器的高光谱图像特征提取方法。该方法用变分自动编码器作为方法基本框架，并采用最终修正得到的融合特征作为训练后最终输出的空谱联合特征。该方法可以更好地提取数据中的重要判别信息，提高像元的可分类能力和分类精度，减少后续分类任务中误分类现象的发生，提高模型的抗噪声干扰能力。

本发明授权基于多层次变分自动编码器的高光谱图像特征提取方法在权利要求书中公布了：1.一种基于多层次变分自动编码器的高光谱图像特征提取方法，其特征在于，所述方法包括如下步骤： S1.选取高光谱图像，所述高光谱图像的尺寸为X×Y×B，其中，X和Y是各个波长下高光谱图像的空间尺寸，B为高光谱图像的波长个数，空间特征提取模块和光谱特征提取模块中网络层个数m，解码器模块中网络层个数n，嵌入特征维数d，其中，d为大于0的偶数， S2.对高光谱图像中每一个高光谱像元配置邻域信息，即选取高光谱像元周围尺寸为s×s的邻域像元作为像元的邻域信息，邻域信息尺寸为s×s×B，其中，邻域信息指以高光谱像元为中心的正方形区域，边长为s，s为奇数， S3.构建深度网络模型，基于深度网络模型变换所述邻域信息以得到1×s2×B的第一样本，所述第一样本作为空间特征提取模块的输入Inputp， 将尺寸为1×B高光谱像元的第二样本，所述第二样本作为光谱特征提取模块的输入Inputq，第一样本与第二样本个数相同且一一对应， S4.训练深度神经网络，从X×Y个尺寸为1×s2×B的第一样本和X×Y个尺寸为1×B的第二样本中分别随机选取小批量样本输入到深度神经网络中用于深度神经网络的训练，第一样本与第二样本的小批量像元个数均为bs，网络中激活函数均为Tanh激活函数， S5.特征拼接及计算均值特征μ，即空间特征提取模块中第层的输入为第层的输出光谱特征提取模块中第层的输入为第层和层输出的拼接，依据计算式： 其中1im，依据计算式，得到均值特征μ，μ的尺寸为bs×s2×d， S6.池化操作，即利用平均池化层将均值特征μ和标准差特征δ进行池化操作，以得到池化后的均值特征和池化后的标准差特征尺寸均为bs×d， S7.基于特征融合模块得到融合后的特征O，并将融合后的特征O输入至解码器模块，所述解码器用于将融合后的特征O进行数据重构，所述解码器模块包括： n个全连接网络层，其中，各网络层分别为{d1,d2…dn}，各网络层输入分别为{ind1,ind2…indn},各网络层输出分别为{outd1,outd2…outdn}，最后一层节点个数为B，其他网络层节点个数均为d， S8.网络优化，即依据公式Γ＝ΓR+ΓKL+ΓHomo构建网络模型训练时的损失函数，其中 其中，∑·为将括号内的内容全部加在一起。

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苏州大学，其通讯地址为：215104 江苏省苏州市相城区济学路8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”。