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！

龙图腾网恭喜辽宁师范大学申请的专利基于拓扑结构耦合的异质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：CN115205197B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202210480005.3，技术领域涉及：G06T7/00；该发明授权基于拓扑结构耦合的异质遥感影像变化检测方法是由王相海;程伟;冯一宁;宋若曦;倪玮晗设计研发完成，并于2022-05-05向国家知识产权局提交的专利申请。

本基于拓扑结构耦合的异质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拓扑结构耦合的异质遥感影像变化检测方法，首先，设计了一种异质遥感影像变化检测神经网络框架，通过网络实现异质图像域的相互转换，从而在相同域中计算差分图，综合利用在两个不同图像域中计算的差分图生成最终的变化结果图，有效地提升了变化检测的精度；其次，利用网络中的小波层能够有效捕捉输入图像的纹理结构特征，突出原始图像的结构信息，再通过引入通道注意力机制和空间注意力机制对感兴趣区域分配更多权重，并抑制不必要的特征，通过小波与通道注意力机制和空间注意力机制的有机结合，使网络能着重关注感兴趣的纹理结构信息，抑制图像来自不同域的差异。实验结果表明，本发明有效提高了变化检测的精度。

本发明授权基于拓扑结构耦合的异质遥感影像变化检测方法在权利要求书中公布了：1.一种基于拓扑结构耦合的异质遥感影像变化检测方法，其特征在于按如下步骤进行：步骤1.建立并初始化用于异质遥感影像变化检测的卷积神经网络Nhic，所述Nhic包含2个编码器子网络Nencx和Nency以及2个解码器子网络Ndecx和Ndecy；步骤2.输入异质遥感影像X和Y的训练集H，对卷积神经网络Nhic进行无监督训练；步骤3.输入已标准化的异质遥感影像和并采用已完成无监督训练的卷积神经网络Nhic完成变化检测；所述步骤1具体如下：步骤1.1建立并初始化编码器子网络Nencx，所述编码器子网络Nencx含有1组小波层Wavelet1，3组分别为Conv1_0、Conv1_1和Conv1_2的卷积层，1组channel_attention1模块和1组spatial_attention1模块；步骤1.2.建立并初始化编码器子网络Nency，所述编码器子网络Nency含有1组小波层Wavelet2，3组分别为Conv2_0、Conv2_1和Conv2_2的卷积层，1组channel_attention2模块和1组spatial_attention2模块；步骤1.3.建立并初始化解码器子网络Ndecx，所述解码器子网络Ndecx含有3组分别为Conv3_0、Conv3_1和Conv3_2的卷积层，1组channel_attention3模块，1组spatial_attention3模块以及1组逆小波层Rewavelet1；步骤1.4.建立并初始化解码器子网络Ndecy，所述解码器子网络Ndecy含有3组分别为Conv4_0、Conv4_1和Conv4_2的卷积层，1组channel_attention4模块、1组spatial_attention4模块以及1组逆小波层Rewavelet2；所述步骤3包括：步骤3.1采用经过训练的编码器子网络Nencx提取的特征；步骤3.1.1利用编码器子网络Nencx的第一层Wavelet1对进行特征提取，得到纹理信息特征PWavelet1；步骤3.1.2利用卷积层Conv1_0和Conv1_1依次对PWavelet1进行特征提取，得到特征PConv1_1；步骤3.1.3利用channel_attention1模块对特征PConv1_1进行处理，包括以下a1-c1步骤；a1利用并行的GlobalAvgPool1层和GlobalMaxPool1层对特征PConv1_1进行池化操作，分别得到特征PGlobalavg1和PGlobalmax1；b1利用卷积层Conv1_3和Conv1_4依次对特征PGlobalavg1进行特征提取得到PGavgout1，利用卷积层Conv1_3和Conv1_4依次对特征PGlobalmax1进行特征提取得到PGmaxout1；c1对特征PGavgout1和PGmaxout1进行求和操作，再用非线性激活函数Sigmoid对求和结果进行运算得到权重系数Pc_a1；步骤3.1.4将权重系数Pc_a1和特征PConv1_1相乘得到特征Pchannel1；步骤3.1.5利用spatial_attention1模块对特征Pchannel1进行处理，包括以下d1-f1步骤；d1利用并行的AvgPool1层和MaxPool1层对特征Pchannel1沿第三维度进行池化操作，分别得到特征Pavgpool1和Pmaxpool1；e1利用自定义连接层Concat1连接Pavgpool1和Pmaxpool1得到特征PConcat1；f1利用卷积层Conv1_5对特征PConcat1进行运算得到权重系数Ps_a1；步骤3.1.6将权重系数Ps_a1和特征Pchannel1相乘得到特征Pspatial1；步骤3.1.7利用卷积层Conv1_2对特征Pspatial1进行特征提取，得到编码器子网络Nencx的输出特征Px_code。

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辽宁师范大学，其通讯地址为：116000 辽宁省大连市沙河口区黄河路850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”。