買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉西安電子科技大學申請的專利基于貝葉斯層圖卷積神經網絡的高光譜圖像分類方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115393631B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210928956.2，技術領域涉及：G06V10/764；該發明授權基于貝葉斯層圖卷積神經網絡的高光譜圖像分類方法是由張明陽;狄子琦;蔣汾龍;公茂果;蔣祥明;武越;李豪;王善峰設計研發完成，并于2022-08-03向國家知識產權局提交的專利申請。

本基于貝葉斯層圖卷積神經網絡的高光譜圖像分類方法在說明書摘要公布了：本發明涉及一種基于貝葉斯層圖卷積神經網絡的高光譜圖像分類方法，包括：步驟1：獲取高光譜圖像數據集，對高光譜圖像數據集進行預處理，之后按照預設比例劃分得到訓練集和測試集；步驟2：構建貝葉斯層圖卷積神經網絡；步驟3：利用訓練集和測試集對貝葉斯層圖卷積神經網絡進行訓練和測試，得到訓練完成的貝葉斯層圖卷積神經網絡；步驟4：利用訓練完成的貝葉斯層圖卷積神經網絡對待測高光譜圖像的目標進行識別分類，得到識別結果。本發明的方法實現對遙感圖像的高效率與高準確度分類，解決了遙感圖像的分類領域的不確定性評估問題，實現了分類結果置信度的量化，解決了神經網絡系統面對小樣本目標時由于過擬合現象從而可能導致的漏警問題。

本發明授權基于貝葉斯層圖卷積神經網絡的高光譜圖像分類方法在權利要求書中公布了：1.一種基于貝葉斯層圖卷積神經網絡的高光譜圖像分類方法，其特征在于，包括： 步驟1：獲取高光譜圖像數據集，對所述高光譜圖像數據集進行預處理，之后按照預設比例劃分得到訓練集和測試集；對所述高光譜圖像數據集進行預處理，包括： 對每個所述原始高光譜遙感圖像，利用超像素分割算法分割得到對應的超像素塊； 對每個超像素塊選擇塊內標簽最多的種類作為該超像素塊的類別標簽，去除類別標簽為背景的超像素塊，得到表示地物類別的超像素塊； 獲取所述表示地物類別的超像素塊的鄰接矩陣； 構建所述表示地物類別的超像素塊對應的特征向量，并根據所述特征向量和對應的類別標簽，得到表示地物類別的超像素塊對應的特征矩陣； 步驟2：構建貝葉斯層圖卷積神經網絡； 步驟3：利用所述訓練集和所述測試集對所述貝葉斯層圖卷積神經網絡進行訓練和測試，得到訓練完成的貝葉斯層圖卷積神經網絡； 步驟4：利用訓練完成的貝葉斯層圖卷積神經網絡對待測高光譜圖像的目標進行識別分類，得到識別結果； 其中，所述高光譜圖像數據集包括若干原始高光譜遙感圖像，每個所述原始高光譜遙感圖像包括多個識別目標以及目標對應的類別標簽； 所述貝葉斯層圖卷積神經網絡包括級聯的全連接模塊、第一貝葉斯圖卷積層模塊、Dropout層、第二貝葉斯圖卷積層模塊和Softmax層；貝葉斯圖卷積層模塊包括級聯的貝葉斯圖卷積層、ReLU激活層和BN層；所述貝葉斯圖卷積層為權重參數和偏置均以分布形式表示的全連接層；所述貝葉斯圖卷積層用于根據權重參數對輸入的矩陣進行加權計算之后與所述鄰接矩陣進行卷積計算，得到空間融合特征矩陣。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西安電子科技大學，其通訊地址為：710071 陜西省西安市太白南路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。