CN119942250B 基于代理注意力和vit架构的高光谱图像分类方法 （湘潭大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119942250B(45)授权公告日2025.07.01

(21)申请号202510435730.2

(22)申请日2025.04.09

(65)同一申请的已公布的文献号申请公布号CN119942250A

(43)申请公布日2025.05.06

(73)专利权人湘潭大学

地址411105湖南省湘潭市西郊

(72)发明人周维盘运红许海霞聂旺周敏

(74)专利代理机构湘潭市汇智专利事务所(普通合伙)43108

专利代理师陈伟

(51)Int.CI.

GO6V10/764(2022.01)

GO6V10/40(2022.01)

GO6V10/80(2022.01)GO6V10/774(2022.01)GO6N3/045(2023.01)

(56)对比文件

CN

CN

115908793

118506112

A,2023.04.04

A,2024.08.16

审查员杜东振

权利要求书5页说明书12页附图3页

(54)发明名称

基于代理注意力和VIT架构的高光谱图像分类方法

(57)摘要

CN119942250B本发明公开了一种基于代理注意力和VIT架构的高光谱图像分类方法，属于图像分类领域，包括以下步骤：对高光谱影像数据进行预处理，并划分为训练集和测试集；构建基于代理注意力和VIT架构的高光谱图像分类模型；采用训练集对高光谱图像分类模型进行训练；将测试集中的高光谱数据输入到训练好的高光谱图像分类模型中，推理得到预测类别，并通过评价指标对得到的预测类别进行评价。本发明通过构建基于代理注意力的代理注意力编码器，通过L层级联的代理注意力编码器进行层次化特征提取，实现对初始特征编码矩阵中空间-光谱信息的逐层融合与增强，在保持较强表示能力的同时显著降低了

CN119942250B

分类头

模型推理模型训练模型建立

模型推理

模型训练

模型建立

数据预处理

代理注意力编码器

ATE

信息聚合模块IAM

Eof

滑动窗口分组编码模块

CN119942250B权利要求书1/5页

2

1.一种基于代理注意力和VIT架构的高光谱图像分类方法，其特征在于，包括以下步

骤：

S1,数据预处理：对高光谱影像数据进行预处理，并划分为训练集和测试集；

S2,模型建立：构建基于代理注意力和VIT架构的高光谱图像分类模型；

所述步骤S2具体过程如下：

步骤S21:构建基于滑动窗口机制和代理像素块的滑动窗口分组编码模块，将原始的高光谱数据编码为初始特征编码矩阵E?,E?包含了高光谱数据的空间-光谱联合表征；

步骤S22:构建基于代理注意力AgentAttention的代理注意力编码器ATE,通过L层级联的代理注意力编码器ATE进行层次化特征提取，实现对初始特征编码矩阵E?中空间-光谱信息的逐层融合与增强，得到特征图；

步骤S23:构建由平均池化层和多层感知机MLP层组成的分类头，对特征图进行解译，预测原始像素所属类别，得到分类预测图；

S3,模型训练：采用训练集对步骤S2构建的高光谱图像分类模型进行训练，在训练过程中计算预测结果与实际标签间的损失值，通过迭代方式优化模型参数直至模型收敛，记录并存储训练最优化模型参数；

S4,模型推理：将测试集中的高光谱数据输入到训练好的高光谱图像分类模型中，推理得到预测类别，并通过评价指标对得到的预测类别进行评价。

2.根据权利要求1所述的基于代理注意力和VIT架构的高光谱图像分类方法，其特征在于，所述步骤S1具体过程如下：

S11,数据集划分：将原始高光谱数据集D按照比例随机划分为训练集Dtrain和测试集Dtest,其中训练集占比为α,测试集占比为1-α;

S12,代理像素块采样：以像素坐标(i,j)为中心，对处理后的数据集进行逐像素剪裁，窗口大小为N×N,得到以像素为中心的代理像素块样本集合X,其中每个代理像素块x∈X,x的大小为N×N×s,S为光谱通道数，X表示为：

x=f(Di,j,N);

其中，f()表示剪裁操作函数，Di,j表示以坐标(i,j)为中心的代理像素块；

S13,归一化与数据增强：首先，对采样得到的代理像素块X进行归一化处理，将X的值标准化到[0,1]区间内，处理