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！

龙图腾网恭喜浙江工业大学申请的专利一种基于语义边缘的后分类建筑物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：CN114066829B 。

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：202111295237.3，技术领域涉及：G06T7/00；该发明授权一种基于语义边缘的后分类建筑物变化检测方法是由夏列钢;陈俊;杨海平;张军侠设计研发完成，并于2021-11-03向国家知识产权局提交的专利申请。

本一种基于语义边缘的后分类建筑物变化检测方法在说明书摘要公布了：一种基于语义边缘的后分类建筑物变化检测方法，通过基于卷积神经网络的语义边缘检测模型对建筑物样本进行学习，通过模型预测获取两期相对应影像的建筑物边缘信息，后将这两幅边缘图像进行合成，获得一期包含所有建筑物边缘信息的二值图，这样做即通过两期建筑物边缘互相补充使建筑物边缘轮廓的细节得以更多的保留，也忽略了影像来源的区别，从而实现了对不同分辨率、不同来源下的遥感影像进行建筑物的变化检测。目前有关变化检测的算法，都存在着对配准要求高，只在特定的数据上可以使用，且准确率不高的问题，本发明通过图像配准算法在一定程度上降低了配准要求，且由于后分类的方式，使其对数据的适应性更强。

本发明授权一种基于语义边缘的后分类建筑物变化检测方法在权利要求书中公布了：1.一种基于语义边缘的后分类建筑物变化检测方法，包含以下步骤：步骤1：根据建筑物分类任务在两期影像上制作样本，并选择参数使用边缘提取模型训练样本获得建筑物边缘模型；步骤2：将两期需要鉴别建筑物变化的影像区域分别输入到各自的建筑物边缘模型中，获得两期建筑物目标边缘强度图；目标边缘强度图是像素值从0至255的灰度图，再根据阈值将边缘强度图转化为二值图；步骤3：由于进行变化检测的两副影像可能来自不同的卫星，且影像分辨率也可能不一致，因此，还需要对其中一张二值图进行缩放至和另一张二值图相同的尺寸大小，缩放算法可采用双三次插值算法，在这种方法下，对缩放图像中的点fx,y在原图像中的最近的十六个采样点下加权获得新图像，其计算公式如下： 其中aij为加权系数；步骤4：经由步骤3获得两张相同大小的建筑物边界二值图，再在建筑物边界图上使用特征提取算法获得大量的局部特征描述子，并通过最邻近算法对两幅图像中的特征描述子进行计算后得到两张图像的偏移量，计算图像偏移量的具体措施如下：步骤4.1：对原始图像进行不断的降阶采样得到多张大小不一的图像，对其中的每一张图像使用不同的高斯卷积核进行卷积，得到多组大小不一的图像，其中每组都包含多张由不同的高斯核卷积得到的图像，将之构建成高斯金字塔；对同组的两两相邻的图像相减，得到高斯差分金字塔；步骤4.2：在高斯差分金字塔中寻找可能的极值点，可能的极值点为不同尺度下的差分图像上的某一八邻域内最大值或最小值，在可能的极值点X0x0，y0，σ0T处做三元二阶泰勒展开，公式如下： 其中σ0表示此点所在的尺度空间位置，x0，y0表示该点在图像中的具体位置，然后对泰勒展开式进行求导，令导数为0，得到极值点的位置，为这些极值点赋予方向，方向为该极值点所在的高斯图像的尺度的1.5倍半径的圆内所有像素梯度方向的主方向上，删去一些不符合阈值的点后得到最终的关键点信息；步骤4.3：对两张图像上的关键点使用KNN算法，寻找到两两欧氏距离最近的关键点构建成一组描述符，得到两张图像中最终的关键点描述集合；步骤4.4：由于在步骤4.3中得到的关键点描述集合有错误偏移的点，因此需要删除错误点，删除步骤如下：步骤4.4.1：读取关键点描述集合，算出所有关键点在两期图像上的偏移量的平均值和方差；步骤4.4.2设置一个方差阈值，判断由步骤4.4.1中得到的方差，当方差大于阈值时，删去离平均值最远的点集；步骤4.4.3重复步骤4.4.1和4.4.2，直至方差小于阈值，此时返回两张影像的所有关键点偏移量的平均值x，y；步骤5：通过步骤4得到的偏移量，进行仿射变换实现两幅边缘二值图的相对配准，最后对两张配准后的二值图进行细化，具体实现步骤如下：步骤5.1：对其中一期图像做图像仿射变换，变换的方向为步骤4中获得的关键点描述集合中每组集合点的梯度方向，以其中一张图像作为参考图像,将另一张图像中的每一像素点x0，y0以步骤4中的偏移量x，y为基准做平移，得到经过相对配准后的两期二值建筑物边界图像；步骤5.2：对步骤5.1中获得的两张二值图中的建筑物轮廓进行细化以得到两张单像素宽度边界线的建筑物轮廓；步骤6：将从步骤5中获得的两张二值图分别先进行像素点膨胀后再相加，得到一张包含两期建筑物特征的合成影像，合成影像的好处在于对两期建筑物的边缘特征进行相互补充，具体判断建筑物变化的算法如下：步骤6.1：在步骤6中获得的合成影像上使用提取轮廓的算法，获得合成影像中的建筑物轮廓集；步骤6.2：再对步骤5中得到的两张经过细化配准的二值图进行轮廓的提取，分别得到各自的轮廓集；步骤6.3：对合成影像轮廓集中的每一个轮廓进行判断，得到标识1和标识2；步骤6.3.1：对步骤6.2中得到某期二值图的轮廓集中每个轮廓中的点进行判断，看该点是否在合成影像的轮廓中，设置变量，如果在轮廓内，则变量数目加1，直到这期影像某一轮廓中所有点都判断完毕，将变量数目除以这期影像二值图中该轮廓中的所有点的数目，如果比值大于某一阈值，则将标识1设为Ture，表示该合成影像中的某一轮廓在这期影像中存在；步骤6.3.2：对步骤6.2中的另一期轮廓集也进行判断，方法和6.3.1相同，最后获得标识2；步骤6.4：对步骤6.3获得的两个标识进行判断，如果标识1和标识2为异或关系，表示该轮廓为变化建筑物的轮廓，并则将该轮廓添加到数组中；步骤6.5：将所有6.4中添加的轮廓添加到一个全为0的图像矩阵中，并输出最后的矩阵写入成图像，即该区域两期影像中所有变化的建筑物轮廓图像。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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”。