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！

龙图腾网获悉清华大学申请的专利一种检测阈值自适应的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：CN119314040B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202411294753.8，技术领域涉及：G06V20/10；该发明授权一种检测阈值自适应的变化检测方法是由李刚;李伟明;王学谦设计研发完成，并于2024-09-14向国家知识产权局提交的专利申请。

本一种检测阈值自适应的变化检测方法在说明书摘要公布了：本申请提出了一种检测阈值自适应的变化检测方法，涉及遥感图像分析技术领域，其中，该方法包括：对变化前后的遥感图像进行协同超像素分割，得到变化前后的遥感图像的超像素分割结果；计算变化前后的遥感图像的亲和度矩阵；通过变化前后的遥感图像的超像素分割结果和亲和度矩阵选择超像素级训练样本；通过超像素级训练样本训练Copula函数，并利用训练好的Copula函数生成自适应变化检测阈值；通过训练好的Copula函数计算变化前后的遥感图像的检验统计量，并使用自适应变化检测阈值对检验统计量进行检测判决，得到变化检测结果。采用上述方案的本发明适用于各种遥感场景中遥感图像的变化检测。

本发明授权一种检测阈值自适应的变化检测方法在权利要求书中公布了：1.一种检测阈值自适应的变化检测方法，其特征在于，包括： 对变化前后的遥感图像进行协同超像素分割，得到变化前后的遥感图像的超像素分割结果； 计算变化前后的遥感图像的亲和度矩阵； 通过变化前后的遥感图像的超像素分割结果和亲和度矩阵选择超像素级训练样本； 通过超像素级训练样本训练Copula函数，并利用训练好的Copula函数生成自适应变化检测阈值； 通过训练好的Copula函数计算变化前后的遥感图像的检验统计量，并使用自适应变化检测阈值对检验统计量进行检测判决，得到变化检测结果； 其中，所述超像素级训练样本包括变化前后的遥感图像的训练用超像素，所述通过超像素级训练样本训练Copula函数，包括： 对每个训练用超像素内部的像素强度求平均，得到每个超像素的超像素特征值； 将每副遥感图像对应的所有训练用超像素的超像素特征值组合成该遥感图像的训练超像素特征值集合； 对每副遥感图像的训练超像素特征值集合进行概率积分变换，将训练超像素特征值变换为概率分布函数值特征； 将变化前后的遥感图像的概率分布函数值特征输入到Copula函数中进行训练拟合，提取概率分布函数值特征之间的相关性，得到Copula函数的最佳参数； 变化前后的遥感图像为为X和Y的图像通道数，X和Y是在不同时间点T1和T2获得的同一地区配准后的成对的遥感图像，X和Y对应的训练用超像素特征集合为M和N，概率分布函数值特征为： U＝FMM V＝FNN 其中，FM为M的概率分布函数，FN为N的概率分布函数； Copula函数的最佳参数为： 其中，表示找到的最优参数，θ表示当前Copula函数的内部参数，Copula函数的Copula密度表示为Copula’U,V，训练好的中的不显式写出，表示为CopulaU,V； 所述利用训练好的Copula函数生成自适应变化检测阈值，包括： 利用训练好的Copula函数将变化检测转化为二元假设检验问题，其中，二元假设包括变化假设和不变化假设，令H1为变化假设，H0为不变化假设，Copula函数为概率分布函数值特征U和V的在不变化假设下和变化假设下的联合分布函数分别为CopulaU,V|H0，CopulaU,V|H1，Copula函数为概率分布函数值特征U和V的在不变化假设下和变化假设下的密度函数分别为fcU,V|H0，fcU,V|H1，在变化假设下，不同时间对应的遥感图像区域之间服从独立分布，不同时间对应的遥感图像区域的Copula函数的概率密度函数值为1，表示为：fcU,V|H1＝1，在不变化的假设下，不同时间对应的遥感图像之间服从的Copula密度为fcU,V|H0； 根据奈曼-皮尔逊准则，在误报率一定的情况下，使用似然比检验，得到检验统计量； 设定预期的误报率，基于检验统计量和误报率计算自适应变化检测阈值； 所述检验统计量为fcU,V|H0，所述自适应变化检测阈值为： 其中，为待求的检测阈值，ρ为求得的自适应检测阈值，PFA为设定的预期的误报率。

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清华大学，其通讯地址为：100084 北京市海淀区清华园；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。