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！

龙图腾网获悉衢州学院申请的专利基于深度特征图的无监督合成孔径雷达图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：CN115829996B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211645513.9，技术领域涉及：G06T7/00；该发明授权基于深度特征图的无监督合成孔径雷达图像变化检测方法是由汪骏;周兆忠;曾非;徐鑫鹏;项新宇;王芹设计研发完成，并于2022-12-20向国家知识产权局提交的专利申请。

本基于深度特征图的无监督合成孔径雷达图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深度特征图的无监督合成孔径雷达图像变化检测方法，其实现步骤是：首先生成均值比差异图。然后利用模糊C均值聚类算法对差异图进行三分类处理，生成包含变化区域、不变化区域和不确定区域的初始结果图，并在初始结果图的变化区域和不变化区域内，分别选取像素做为伪标签；以伪标签为中心在两时刻SAR图像上划分图像块，组建训练样本集。接着将训练样本集对卷积神经网络模型进行训练，训练后进行变化检测分析，获取包含变化和非变化类别概率的预测结果图。再构建深度特征图能量函数，并利用最小割算法对其进行优化，以生成最终的变化结果图。本发明在抗噪能力和检测精度方面具有明确优势。

本发明授权基于深度特征图的无监督合成孔径雷达图像变化检测方法在权利要求书中公布了：1.基于深度特征图的无监督合成孔径雷达图像变化检测方法，其特征在于，包括以下步骤： 步骤1、获取合成孔径雷达的原始SAR数据，从原始SAR数据中得到两副不同时刻的待变化检测SAR图像和； 步骤2、对步骤1得到的待变化检测SAR图像和进行均值比运算，生成均值比差异图； 步骤3、利用经典模糊C均值聚类算法对步骤2得到的均值比差异图进行三分类处理，得到包含变化区域、不变化区域、不确定区域的初始结果图；从初始结果图中变化区域、不变化区域中的像素点选取伪标签，并基于伪标签的位置信息，从所述待变化检测SAR图像和中分别划分出图像块，以划分出的图像块与其对应的伪标签构建训练样本集； 步骤4、利用步骤3得到的训练样本集对卷积神经网络进行训练，然后将待变化检测SAR图像和输入至训练好的卷积神经网络，得到包含变化和非变化类别概率的预测结果图； 步骤5、将预测结果图上的像素点设置为深度特征图模型的顶点，并利用近邻规则对各顶点进行相互连接，得到深度特征图模型，其内部元素具体表示如下： 其中：为深度特征图模型的顶点集；为深度特征图上任一顶点，该顶点蕴含预测的变化概率与非变化概率；为依据近邻规则连接的边，为顶点的近邻顶点集，为近邻顶点集中任一顶点；为边上权重，用以表征顶点间类别概率分布的相似性； 步骤6、依据预测结果图中的变化和非变化类别概率信息，构建深度特征图能量函数，并利用最小割算法对深度特征图能量函数进行优化求解，获取能量最小化时的深度特征图顶点的类别分布，从而生成最终的变化检测结果； 该深度特征图能量函数表示如下： 式中，为概率约束项，指代将标签，变化或非变化，分配给顶点所需的开销，可由如下公式求得： 其中，为条件概率函数，与为步骤4中预测结果图内像素的变化类别概率和非变化类别概率，而为空间上下文约束项，用于惩罚顶点标签的不连续性，即，计算公式如下： 利用最小割算法对深度特征图能量函数进行优化求解，获取能量最小化时的深度特征图顶点的类别分布，从而生成最终的变化检测结果。

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衢州学院，其通讯地址为：324000 浙江省衢州市柯城区九华北大道78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”。

以上内容由龙图腾AI智能生成。