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！

龙图腾网恭喜西安建筑科技大学申请的专利一种基于自适应图像回归的遥感影像变化检测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：CN114897880B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202210650366.8，技术领域涉及：G06T7/00；该发明授权一种基于自适应图像回归的遥感影像变化检测方法是由马宗方;麻瑞;宋琳;郝凡设计研发完成，并于2022-06-10向国家知识产权局提交的专利申请。

本一种基于自适应图像回归的遥感影像变化检测方法在说明书摘要公布了：本发明公开了一种基于自适应图像回归的遥感影像变化检测方法，包括以下步骤；步骤1：基于多输出自适应回归模型对事前及事后影像处理生成回归图像；步骤2：计算步骤1得到的回归图像和事前及事后影像之间的差异图像；步骤3：基于模糊局部信息C均值算法对步骤2得到的差异图像进行分析，获得一定数量的显著样本对，即变化样本对和不变样本对；步骤4：基于关联关系驱动的融合方法AF，加强事前及事后影像的特征，进而融合原始影像特征和加强后的特征；步骤5：以步骤3中的显著样本对构建训练集，进而结合步骤4中融合后的特征训练分类器模型预测得到变化检测结果。本发明检测精度高，时间成本低，有效避免了噪声信息的干扰，并且能够适应复杂地物场景的变化检测任务。

本发明授权一种基于自适应图像回归的遥感影像变化检测方法在权利要求书中公布了：1.一种基于自适应图像回归的遥感影像变化检测方法，其特征在于，包括以下步骤；步骤1：基于多输出自适应回归模型对事前及事后影像处理生成回归图像；步骤2：计算步骤1得到的回归图像和事前及事后影像之间的差异图像；步骤3：基于模糊局部信息C均值算法FLICM对步骤2得到的差异图像进行分析，获得一定数量的显著样本对，即变化样本对和不变样本对；步骤4：基于关联关系驱动的融合方法AF，加强事前及事后影像的特征，进而融合原始影像特征和加强后的特征；步骤5：以步骤3中的显著样本对构建训练集，进而结合步骤4中融合后的特征训练分类器模型预测得到变化检测结果；所述步骤1具体为：设定H×W个像素中分布Q个灰度级，是第i个灰度级出现的概率，fi是灰度频率，则X包含的信息量： 事前和事后影像分别表示为其中H和W分别表示影像的高度和宽度，BX和BY分别是X和Y的通道数；根据遥感影像中包含信息量的差异，提出如下自适应回归方向策略：①如果HXHY且|HX-HY|ε，则回归训练集是回归测试集是Te＝{x|x∈X}，训练回归模型预测得到回归图像RX；②如果HXHY且|HX-HY|ε，则回归训练集是回归测试集是Te＝{y|y∈Y}，训练回归模型预测得到回归图像RY；③如果|HX-HY|ε，同时进行①和②的策略，将X和Y分别作为测试集，预测得到回归图像RX和RY，并在步骤二中计算差异图像时将两部分差异图像进行融合；其中，和是先验信息中不变像素对位置，分别对应X和Y的特征值，x和y对应单个像素，参数ε默认为0；当存在事前与事后影像信息量差异小的情况时，前向回归和后向回归的结果差异小，通过调节ε进行双向回归；所述步骤2具体为：对应不同回归策略的差异图像计算公式如下： D③h,w＝D①h,w+D②h,w2其中，|·|表示绝对距离，1≤h≤H，1≤w≤W,rX和y分别为对应位置属于RX和Y的像素值，rY和x分别为对应位置属于RY和X的像素值；所述步骤3采用FLICM聚类方法用来分割差异图像；聚类数目设置为3；所述步骤4利用数据的高阶信息与特征间的关联关系将数据编码至新的特征空间；首先将事前及事后遥感影像进行堆叠构造初始数据集，建模初始数据集的高阶信息并提升原始数据的非线性表达能力得到增强后的特征；将原始遥感数据和增强后的特征进行融合得到一个用于决策的特征数据集。

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西安建筑科技大学，其通讯地址为：710055 陕西省西安市雁塔路13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”。