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！

龙图腾网恭喜南京审计大学申请的专利一种基于双粒度特征对齐的遥感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：CN119445392B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202411488347.5，技术领域涉及：G06V20/13；该发明授权一种基于双粒度特征对齐的遥感变化检测方法是由周峰;张心雨;朱闪闪;耿甜雨设计研发完成，并于2024-10-23向国家知识产权局提交的专利申请。

本一种基于双粒度特征对齐的遥感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双粒度特征对齐的遥感变化检测方法，包括以下步骤：步骤S1、构建孪生网络，将双时相图像输入至孪生网络中提取双时相特征；步骤S2、构建语义对齐模块，将提取的双时相特征通过语义对齐模块缩小双时相图像之间的外观差异，实现外观粒度对齐；步骤S3、构建空间对齐模块，将提取的双时相特征通过空间对齐模块消除双时相图像之间的几何差异，实现几何粒度对齐；步骤S4、将经过双粒度对齐的双时相特征以及差值图输入至基于时间对比的变化检测头中，通过对双时相特征进行约束将其转变为变化图并提升变化图质量。本发明通过语义对齐模块解决遥感场景中同类物体的异质性外观问题，保证同类物体提取的特征相近，消除外观干扰性。

本发明授权一种基于双粒度特征对齐的遥感变化检测方法在权利要求书中公布了：1.一种基于双粒度特征对齐的遥感变化检测方法，其特征在于：包括以下步骤：步骤S1、构建孪生网络，将双时相图像输入至孪生网络中提取双时相特征；步骤S2、构建语义对齐模块，将提取的双时相特征通过语义对齐模块缩小双时相图像之间的外观差异，实现外观粒度对齐；步骤S2.1、将提取的第i个尺度的双时相特征使用1×1的卷积层将它们的通道数变更为256，得到新的双时相特征，记作步骤S2.2、通过多头注意力机制，缩小外观差异性；步骤S2.21、通过键-值对将查询描述子映射为新的形式，完成缩小外观差异性；设定查询键Ci、值Ci和多头注意力如公式1所示： 其中，为参数矩阵，表示一个串联操作，Ci是一个类别标记序列，包含K个变化物体以及背景的特征表示，hl表示第l个注意力头；步骤S2.22、计算第l个注意力头，如公式2所示： 其中，均为参数矩阵；步骤S2.23、通过残差连接，语义对齐双时相特征如公式3所示： 其中，表示层归一化，ReLU表示线性整流函数，和均表示参数矩阵；步骤S2.24、生成的掩膜如公式4所示： 步骤S2.3、利用空间金字塔池化提取类别表征，并通过门控机制更新类别标记序列；步骤S2.31、利用空间金字塔池化提取类别表征，具体步骤如下，设定空间金字塔池化使用1×1、2×2、4×4、8×8最大池化核生成多个子区域表征，将它们叠加得到中间标记序列完成类别表征的提取，如公式5所示： 其中，是参数矩阵；步骤S2.32、通过门控机制更新类别标记序列，具体步骤如下，设定中间标记序列当前层级的类别标记序列Ci借助门控机制更新为浅层的类别标记序列Ci-1；其中，门控机制包括重置门和更新门如公式6、7所示： 其中，和为参数矩阵；重置门和更新门分别用于调节从当前类别标记中使用的信息数量，以形成候选和更新的类别标记；更新的类别标记Ci-1如公式8、9所示： 其中，为参数矩阵，为候选类别标记，并将最深层的类别标记C4设置为零矩阵；步骤S3、构建空间对齐模块，将提取的双时相特征通过空间对齐模块消除双时相图像之间的几何差异，实现几何粒度对齐；步骤S3.1、构建基于UNet结构的网络将网络以X1和X2的堆叠作为输入，计算第i个尺度的变化场如公式10所示： 其中，表示下采样操作，Φi由每个像素点的向量偏移量构成；步骤S3.2、通过使用基于双线性插值的可微配准操作，对进行坐标映射，消除几何差异，具体步骤如下，计算配准特征中每个像素点p的值，如公式11所示， 其中p′＝p+Φip为中对应的像素点，下标x和y代表像素点的坐标，δp′为像素点p′的邻域像素点的集合；步骤S4、将经过双粒度对齐的双时相特征以及差值图输入至基于时间对比的变化检测头中，通过对双时相特征进行约束将其转变为变化图并提升变化图质量；步骤S4.1、获得绝对差值Di，获取差值图，如公式12所示： 步骤S4.2、通过四个卷积层和上采样操作，将多尺度的差值图逐分辨率地生成变化图同时通过逐分辨率生成双时相特征增强变化物体和未变化物体特征之间的区分度；步骤S4.3、将差值图通过一个3×3的卷积层和sigmoid函数生成注意力图，通过注意力图帮助双时相特征关注变化物体；步骤S4.4、对双时相特征施加约束，具体步骤如下，步骤S4.41、通过真实值找到变化区域和未变化区域；计算对比损失如公式13和14所示： 其中，cos.,.用于衡量两个向量的余弦相似度；步骤S4.42、将预测值P和真实值Y之间的交叉熵损失与对比损失构成损失函数，如公式15和16所示：

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南京审计大学，其通讯地址为：210000 江苏省南京市雨山西路86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”。