CN118736428B 基于先验知识纠正及Swin Transformer的高光谱图像解混方法及装置 （北京科技大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN118736428B(45)授权公告日2025.07.08

(21)申请号202410505185.5

(22)申请日2024.04.25

(65)同一申请的已公布的文献号申请公布号CN118736428A

(43)申请公布日2024.10.01

(73)专利权人北京科技大学

地址100083北京市海淀区学院路30号

(72)发明人曾溢良孟娜刘文彬

(74)专利代理机构北京市广友专利事务所有限责任公司11237

专利代理师闫美玉张仲波

GO6N3/0464(2023.01)

GO6N3/08(2023.01)

G01N21/27(2006.01)

(56)对比文件

CN113744134A,2021.12.03

WO2024080929A1,2024.04.18审查员崔倩倩

(51)Int.CI.

GO6V20/13(2022.01)

GO6V10/40(2022.01)

GO6N3/0455(2023.01)权利要求书2页说明书14页附图5页

(54)发明名称

基于先验知识纠正及SwinTransformer的

高光谱图像解混方法及装置

S1获取待解混的高光谱图像

S1

获取待解混的高光谱图像

将高光谱图像输入到训练好的高光谱图像解混网络模型；其中，高光谱图像解混网络模型包括第一高光谱图像解混网络模型分支以及第二高光谱图像解混网络模型分支；第一高光谱图像解混网络模型

分支包括第一分支编码器、第一分支SwinTransformer模块以及第一分支解码器；第二高光谱图像解混网络模型分支包括第二分支编码器、第二分支SwinTransformer模块以及第二分支解码器；第一高

光谱图像解混网络模型分支以及第二高光谱图像解混网络模型分支之间使用权重共享策略

根据高光谱图像以及高光谱图像解混网络模型，得到高光谱图像解混结果

本发明涉及高光谱图像解混领域，特别是指一种基于先验知识纠正及SwinTransformer的高光谱图像解混方法及装置，方法包括：根据待解混的高光谱图像以及高光谱图像解混网络模型，得到高光谱图像解混结果；其中，高光谱图像解混网络模型包括第一分支以及第二分支；第一分支以及第二分支分别包括编码器、Swin

CN118736428BTransformer模块以及解码器；第一分支以及第二分支之间使用权重共享策略。本发明构建具有先验信息校正的SwinTransformer双分支高光谱图像解混网络模型，第一分支利用预先提取的端成员来提供纯像素先验信息。第二分支采用SwinTransformer结构进行特征提取和分解处

CN118736428B

CN118736428B权利要求书1/2页

2

1.一种基于先验知识纠正及SwinTransformer的高光谱图像解混方法，其特征在于，所述方法包括：

S1、获取待解混的高光谱图像；

S2、将高光谱图像输入到训练好的高光谱图像解混网络模型；

其中，高光谱图像解混网络模型包括第一分支以及第二分支，之间使用权重共享策略共享由第一分支的第一分支SwinTransformer模块的SwinTransformer编码器生成的query参数；每个分支包括编码器、SwinTransformer模块和解码器；第一分支编码器包括第一卷积层、第二卷积层和第三卷积层；

SwinTransformer模块包括一个或多个SwinTransformer编码器；每个SwinTransformer编码器包括一个或多个移动窗口多头自注意网络；SwinTransformer模块采用窗口偏移[M/2,M/2]个像素来实现跨窗口的信息交互；M表示多头注意力的头数；第一分支SwinTransformer模块，用于将第一分支编码器输出分为不重叠的令牌tokens,获取上下文全局信息，得到第一分支SwinTransformer模块输出；

S3、根据高光谱图像以及高光谱图像解混网络模型，得到高光谱图像解混