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！

龙图腾网获悉浙江大学申请的专利一种基于波段擦除和对比学习的高光谱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：CN116681946B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202310688981.2，技术领域涉及：G06V10/764；该发明授权一种基于波段擦除和对比学习的高光谱分类方法是由厉小润;黎金辉;陈淑涵;王晶设计研发完成，并于2023-06-12向国家知识产权局提交的专利申请。

本一种基于波段擦除和对比学习的高光谱分类方法在说明书摘要公布了：本发明提供了一种基于波段擦除和对比学习的高光谱分类方法。首先采集高光谱数据，进行波段擦除，得到两个去除波段后的高光谱图像，分别进行预处理，得到对比学习网络两个分支的样本补丁；用渐变掩膜对上分支的全部补丁进行覆盖，下分支的补丁不做操作；对两个分支的补丁分别进行随机遮挡，并进行数据增强，得到正样本对；设置超参数，将正样本对输入到对比学习网络，训练完成后保存网络参数及特征；将提取到的特征与标注作为训练集，训练分类器，实现高光谱分类。本发明将多种适合高光谱数据的数据增强方法结合到对比学习方法，挖掘了对比学习在高光谱领域的潜力，将分类精度提高到了新的级别，能有效实现光谱图像的分类。

本发明授权一种基于波段擦除和对比学习的高光谱分类方法在权利要求书中公布了：1.一种基于波段擦除和对比学习的高光谱分类方法，其特征在于，包括以下步骤： 步骤1，采集高光谱数据； 步骤2，对原始高光谱数据进行波段擦除，得到两个波段不重复的高光谱数据X0和X1，对两个高光谱数据分别进行预处理，得到对比学习网络两个分支的样本补丁组P0和P1，每个像素对应两个以该像素为中心的补丁，将这两个补丁作为样本对； 所述的波段擦除为： 对原始高光谱数据分别抽取奇数层和偶数层得到波段不重复的两个原始高光谱数据，即得到的两个原始高光谱数据都是从原始高光谱数据擦除一半波段后得到的，而且波段不重复； 所述的对两个高光谱数据分别进行预处理具体为：对高光谱数据X0和X1分别做主成分分析，分别得到d个主成分图，主成分图边缘用0填充，然后分别用s*s的滑窗以步长1将主成分图划分成样本补丁，得到两组样本补丁组P0和P1，其中，d和s均为预设值，补丁组P0和P1中为一系列s*s*d的三维数据；补丁包含有光谱信息和空间信息，其中光谱信息经过主成分分析被压缩了，中心像素的类别代表整个补丁的类别； 步骤3，用渐变掩膜对作为对比学习网络上分支的补丁进行覆盖，下分支的补丁不做操作；其中，对比学习网络上分支为在线网络分支，下分支为目标网络分支； 所述的步骤3具体为： 渐变掩膜是一个中心数值最高，越远离中心数值越低的权重矩阵，尺寸为s*s，与补丁尺寸相同；将中心的权值设为1，四个顶点的权值设为0，其他的值根据离中心的距离进行线性插值；公式如下： 其中mask为渐变掩膜矩阵，i，j为掩膜中元素的位置，center，center掩膜中心位置； 用渐变掩膜与上分支的补丁P0对应元素相乘后得到加权后的新补丁P0'；下分支的补丁P1不用渐变掩膜做处理； 步骤4，对步骤3处理后的两个分支的补丁分别进行随机遮挡，并进行数据增强，得到正样本对vi,vi'； 步骤5，设置超参数，将所有正样本对输入到对比学习网络进行网络训练，保存训练完成后的网络参数及特征； 步骤6，将提取到的特征与标注的类别作为训练集，利用训练集对分类器进行训练； 步骤7，待分类的高光谱数据经步骤2至步骤4处理后，使用训练后的对比学习网络和分类器进行分类。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。

以上内容由龙图腾AI智能生成。