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！

龙图腾网获悉国家石油天然气管网集团有限公司申请的专利基于遥感影像的天然气管道高后果区建筑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：CN114882362B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202210522871.4，技术领域涉及：G06V20/10；该发明授权基于遥感影像的天然气管道高后果区建筑变化检测方法是由王多才;刘翼;郭磊;霍永胜;王磊磊;单鲁维;熊伟;吴明畅;李德明;刘勇;沈飞军;王海涛;王春光;叶雨茂;舒亮设计研发完成，并于2022-05-13向国家知识产权局提交的专利申请。

本基于遥感影像的天然气管道高后果区建筑变化检测方法在说明书摘要公布了：本发明公开了基于遥感影像的天然气管道高后果区建筑变化检测方法，其涉及图像处理技术领域，旨在解决变化信息获取有着较高的人力成本，较低自动化程度的问题，其技术方案要点是其步骤如下：S1：根据绘制的高后果区矢量生成高后果区带状图；S2：筛选天然气管道周边多时相遥感影像，构建变化检测数据集；S3：天然气管道高后果区建筑变化检测方法，包含主干网络和次干网络；S4：主干网络输出的建筑变化图斑；S5：主干网络输出的建筑变化注意力图；S6：经过反向传播更新整个模型的参数；S7：训练高后果区建筑变化检测模型；S8：输出建筑变化图斑；S9：再根据变化图斑生成建筑变化图斑矢量。达到了增加效率、增强信息提取和减少信息丢失的效果。

本发明授权基于遥感影像的天然气管道高后果区建筑变化检测方法在权利要求书中公布了：1.基于遥感影像的天然气管道高后果区建筑变化检测方法，其特征在于，其步骤如下： S1：将天然气管道矢量分别叠加至两个时相遥感影像上，以矢量线为中心，绘制高后果区矢量，根据绘制的高后果区矢量生成高后果区带状图； S2：筛选天然气管道周边多时相遥感影像，构建变化检测数据集，用于训练高后果区建筑变化检测模型，使用语义分割标注软件标注时相遥感影像，制作变化建筑标签影像GroundTruth，通过数据扩增数据集样本数量； S3：天然气管道高后果区建筑变化检测方法，包含主干网络和次干网络，主干网络采用编码器-解码器结构，编码器模块共有七层编码器结构，前五层使用SE_ResNet50，增加的两层编码器利用池化层和卷积层构建，用于提取高层特征信息，主干网络中的多尺度融合模块和注意力模块主要用于提取变化建筑特征，变化建筑特征经过解码器还原为原始尺寸，预测出多时相遥感影像的建筑变化情况，主干网络还输出建筑变化注意力图，用于次干网络VGG16预训练模型的训练； S4：主干网络输出的建筑变化图斑，将与S2中标注的GroundTruth计算损失，损失函数采用二元交叉熵损失函数； C1：从时相遥感影像中提取变化建筑，输出建筑变化图斑影像，利用建筑变化图斑影像与S2中标注的标签影像进行计算，统计训练过程中产生的损失； C2：高后果区变化检测主要针对两期影像高后果区内的变化建筑，建筑属于一类，除建筑之外的属于一类，对于针对样本x,y，设x为样本，y为对应的标签值，预测值集合为{0,1}，假设某个建筑样本的真实标签为ygt，该建筑样本预测出的结果其概率值为yp，该建筑样本的损失函数定义如下： 其中，ygt为建筑样本真实标签值，ypxi为建筑样本在ygt＝1时的概率； S5：主干网络输出的建筑变化注意力图，经过差分和Sigmoid函数激活后，提取到变化建筑区域特征概率图，分别与前期影像和后期影像进行矩阵相乘，输入至次干网络VGG16预训练模型中，进行模型训练，次干网络的损失度量采用均方误差损失函数； D1：主干网络预测出建筑变化图斑，次干网络输出建筑变化注意力图，主要用于次干网络的训练，建筑变化注意力经过差分和Sigmoid函数激活后，分别与训练集中的前期和后期影像进行矩阵相乘，然后输入至VGG16预训练模型中，利用建筑变化注意力图指导次干网络的训练； D2：次干网络采用均方误差损失函数，优化模型的训练过程，提高建筑目标分割的效果，次干网络采用的均方误差损失函数定义如下： y'pxi＝ypx[0]i-ypx[1]i 其中，变化注意力特征图尺寸为256×256×2，ypxi表示第i个样本预测所得到的变化注意图，ypx[0]i表示第i个样本变化注意图0通道特征ypx[1]i表示第i个样本变化注意图1通道特征，y'pxi为差分结果，yAxi和yBxi分别表示第i个前期和后期影像样本集，和分别为前期和后期影像经过差分和Sigmoid函数激活后的结果，LOSSBCE为所有样本的均方误差和的结果； S6：将S4、S5得到的二元交叉熵损失和均方误差损失函数加权求和，作为高后果区建筑变化检测网络总的损失，经过反向传播更新整个模型的参数； S7：将S2中自建的变化检测数据集用于训练高后果区建筑变化检测模型，直至建筑变化检测模型符合实际使用需求，此时的网络模型即为高后果区建筑变化检测模型； S8：按照S1中得到的两期高后果区带状图，两期高后果区带状图分别裁剪尺寸大小256×256×3，输入至高后果区建筑变化检测网络中，调用训练完成的模型，自动检测高后果区影像中的变化建筑，输出建筑变化图斑； S9：高后果区变化检测算法输出的建筑变化图斑影像缺少地理参考坐标信息，无法准确定位变化建筑位置，需要将输入的时相遥感影像的地理参考信息添加至建筑变化图斑中，再根据变化图斑生成建筑变化图斑矢量。

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国家石油天然气管网集团有限公司，其通讯地址为：100013 北京市朝阳区东土城路5号A座6层08-10室；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”。