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！

龙图腾网获悉河北省科学院地理科学研究所申请的专利基于混合空间-频率专家的深度学习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：CN120472319B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510598348.3，技术领域涉及：G06V20/10；该发明授权基于混合空间-频率专家的深度学习遥感变化检测方法是由张鹏飞;孙雷刚;王钦艺;周成虎;郝庆涛;左璐;鲁军景;刘剑锋;黄亚云设计研发完成，并于2025-05-09向国家知识产权局提交的专利申请。

本基于混合空间-频率专家的深度学习遥感变化检测方法在说明书摘要公布了：本发明涉及一种基于混合空间‑频率专家的深度学习遥感变化检测方法，包括：选用孪生ConvNeXt网络为空间域专家，提取双时影像粗‑细的空间域局部差异特征；选用孪生离散小波变换为频率域专家，提取双时影像高‑低频率域全局差异特征；聚合对应尺度局部‑全局的空频特征，构建多尺度的混合空频单体特征；设计随机混合空频单体融合模块，随机选不同空频特征进行融合并增强互补性，根据贡献权重，激活有效融合；随机选择混合空频单体以形成群体并进行概率化加权，自适应选择最优群体；构建轻量解码器，将增强的多尺度空频特征逐步恢复到原始图像的分辨率。本申请实现了跨域特征的互补优化，减少了无效参数，提高了遥感变化检测精度与速度。

本发明授权基于混合空间-频率专家的深度学习遥感变化检测方法在权利要求书中公布了：1.基于混合空间-频率专家的深度学习遥感变化检测方法，其特征在于，包括以下步骤： S1，选用孪生ConvNeXt网络为空间域专家，提取双时遥感影像的多尺度粗-细的空间域局部差异特征； S2，选用孪生离散小波变换为频率域专家，提取双时遥感影像的多频谱高-低的频率域全局差异特征； S3，通过聚合对应尺度局部-全局的空频特征，构建多尺度的混合空频单体特征； S4，设计随机混合空频单体融合模块，随机选不同的空频特征进行融合，并增强互补性和计算贡献权重，激活有效融合； 所述S4包括随机混合空频单体融合模块，通过融合不同频谱频率单体专家和不同尺度空间单体专家，将逐个地增强混合空频单体的表征能力，即： 8 其中，为随机混合空频单体融合模块，其中表示随机抽取的频率和空间单体专家的个数，为第i个混合空频单体，为混合空间特征单体专家库，为混合频率单体专家库，为输出结果，包括以下步骤： S41，设计随机优选策略； 采用不放回采样策略，随机从S中选择n个空间单体专家和从F中抽取n个频率单体专家作为辅助单体专家，用于增强混合空频单体特征，其中； S42，融合不同空间频率单体专家增强混合空频单体特征； 将输入的混合空频单体特征作为待增强单体专家，对于随机抽取的空间频率单体专家作为辅助单体专家，其中i和m为特征索引值； S421，对齐辅助单体专家和待增强单体专家的特征维度，即： 9 其中，为上采样卷积函数，为下采样卷积函数，为concatenate函数； S422，设计混合空频注意力模块，基于Mamba注意力关注并增强不同尺度和频谱特征之间互补性，即： 10 其中，是线性投影层，是多头注意力，是多层感知器层，为： 11 其中，是线性投影层，是卷积层，是SiLU激活函数，为状态空间模型，其采用垂直模式和水平模式进行数据扫描； S43，对随机抽取的n个空间单体专家和n个频率单体专家基于步骤S42依次增强混合空频单体特征； S44，设计混合空频单体专家网络，通过门控网络自适应计算逐个计算融合的贡献权重，激活其中的有效特征，摒除无效的增强特征，即： 12 其中，为输出特征，为softmax函数，用于计算的贡献概率，为步骤S43经过优化的混合空频单体特征，作为路由并采用TopK算法，选择最优的特征作为输出； S5，设计随机混合空频群体决策模块，随机选择不同混合空频单体以形成群体并进行概率化加权，自适应选择最优决策群体； S6，构建轻量解码器，将增强的多尺度空频特征逐步恢复到原始图像的分辨率，并生成变化检测结果。

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河北省科学院地理科学研究所，其通讯地址为：050000 河北省石家庄市长安区西大街88号五方大厦2号办公楼101；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”。

以上内容由龙图腾AI智能生成。