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！

龙图腾网获悉湖州师范学院申请的专利基于混合CNN-GCN网络的有限训练样本下的高光谱图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：CN116912677B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202310689508.6，技术领域涉及：G06V20/10；该发明授权基于混合CNN-GCN网络的有限训练样本下的高光谱图像分类方法是由石翠萍;廖帝灵;胡文军;王天毅设计研发完成，并于2023-06-12向国家知识产权局提交的专利申请。

本基于混合CNN-GCN网络的有限训练样本下的高光谱图像分类方法在说明书摘要公布了：基于混合CNN‑GCN网络的有限训练样本下的高光谱图像分类方法，本发明涉及高光谱图像分类方法。本发明的目的是为了解决现有标记样本不足以及现有图卷积网络并未充分利用临边关系，网络性能受到限制，导致高光谱图像分类准确率低的问题。基于混合CNN‑GCN网络的有限训练样本下的高光谱图像分类方法具体过程为：一、建立卷积神经网络与图卷积网络混合的网络模型HCGN；获得训练好的卷积神经网络与图卷积网络混合的网络模型HCGN；二、将待测高光谱图像输入训练好的卷积神经网络与图卷积网络混合的网络模型HCGN，完成对待测高光谱图像的分类。本发明用于高光谱图像分类领域。

本发明授权基于混合CNN-GCN网络的有限训练样本下的高光谱图像分类方法在权利要求书中公布了：1.基于混合CNN-GCN网络的有限训练样本下的高光谱图像分类方法，其特征在于：所述方法具体过程为： 一、建立卷积神经网络与图卷积网络混合的网络模型HCGN； 获得训练好的卷积神经网络与图卷积网络混合的网络模型HCGN； 二、将待测高光谱图像输入训练好的卷积神经网络与图卷积网络混合的网络模型HCGN，完成对待测高光谱图像的分类； 所述一中建立卷积神经网络与图卷积网络混合的网络模型HCGN； 获得训练好的卷积神经网络与图卷积网络混合的网络模型HCGN； 具体过程为： 步骤一、随机采样高光谱图像； 高光谱图像训练集表示为标签为 其中H、W、B依次代表高光谱图像HSI的高度、宽度与光谱波段数，代表实数； 所述训练集是对每个类别按照预设的比例进行随机选取； 步骤二、构建卷积神经网络与图卷积网络混合的网络模型HCGN； 获得训练好的卷积神经网络与图卷积网络混合的网络模型HCGN； 所述步骤二中构建卷积神经网络与图卷积网络混合的网络模型HCGN； 获得训练好的卷积神经网络与图卷积网络混合的网络模型HCGN； 具体过程为： 卷积神经网络与图卷积网络混合的网络模型HCGN包括五个部分，分别为图映射模块、多尺度图边缘增强模块、浅层特征提取CNN模块、多尺度交叉融合模块和分类层； 步骤二一、将高光谱图像训练集X输入图映射模块完成图像由像素到超像素的映射，将每个超像素转化为节点，获得无向图； 步骤二二、将无向图中节点所对应的节点特征和节点之间连接关系矩阵输入到多尺度图边缘增强模块，获取图的特征； 步骤二三、将高光谱图像训练集X输入浅层特征提取CNN模块输出特征； 步骤二四、将浅层特征提取CNN模块输出特征输入多尺度交叉融合模块MS-CFM，提取高光谱图像的特征； 步骤二五、将步骤二二获取的图的特征和步骤二四提取的高光谱图像的特征级联，级联后送入FC分类层进行分类；获得训练好的卷积神经网络与图卷积网络混合的网络模型HCGN。

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湖州师范学院，其通讯地址为：313000 浙江省湖州市二环东路759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。