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第二测绘院;河北省地质矿产勘查开发局第四地质大队(河北省水源涵养研究中心);山东省地质矿产勘查开发局第三地质大队(山东省第三地质矿产勘查院、山东省海洋地质勘查院)申请的专利一种基于深度学习的多时相遥感影像自动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：CN120852401B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511147437.2，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的多时相遥感影像自动变化检测方法是由于亚杰;田宾;刘紫君;唐江森;王晓巍;路宗霖设计研发完成，并于2025-08-15向国家知识产权局提交的专利申请。

本一种基于深度学习的多时相遥感影像自动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学习的多时相遥感影像自动变化检测方法，包括如下步骤：采集目标区域不同时期获得的遥感影像数据，对遥感影像数据进行标准化处理，获得标准化多时相遥感影像数据集；基于标准化多时相遥感影像数据集，采用语义分割网络进行地物类别分割，获得地物语义先验图；将标准化多时相遥感影像数据集输入改进U型孪生网络，输出变化检测概率图和二值变化掩模；基于变化检测概率图和二值变化掩模，结合地物语义先验图对变化区域进行属性判别，输出变化区域结果；将变化区域结果集成到地理信息服务平台。本发明采用改进U型孪生网络，实现多时相遥感影像的自动变化检测。

本发明授权一种基于深度学习的多时相遥感影像自动变化检测方法在权利要求书中公布了：1.一种基于深度学习的多时相遥感影像自动变化检测方法，其特征在于，包括如下步骤： 采集目标区域在不同时期获得的遥感影像数据，对遥感影像数据进行标准化处理，获得标准化多时相遥感影像数据集； 基于标准化多时相遥感影像数据集，采用语义分割网络进行地物类别分割，获得地物语义先验图具体包括： 从标准化多时相遥感影像数据集中选取标准化遥感影像数据，作为地物语义分割处理的输入数据； 对标准化遥感影像数据进行归一化处理，得到归一化后的标准化遥感影像数据； 将归一化后的标准化遥感影像数据输入基于卷积神经网络结构的语义分割网络，对输入影像的每一个像元进行特征提取和类别判别，输出地物类别概率图； 对地物类别概率图应用逐像元最大概率分类，将每个像元分配到对应概率最高的地物类别，生成地物类别标签图； 将生成的地物类别标签图与标准化遥感影像数据在空间上保持像元一一对应关系，作为地物语义先验图存储； 将标准化多时相遥感影像数据集输入改进U型孪生网络，进行特征提取，将地物语义先验图与各层特征图融合，输出变化检测概率图和二值变化掩模具体包括： 基于多时相遥感影像数据集，将不同时相的标准化遥感影像输入改进U型孪生网络，所述改进U型孪生网络包括两个参数共享的U‑Net分支、特征融合层和变化判别解码层； 两个参数共享的U‑Net分支分别接收对应时相的标准化遥感影像作为输入，每个U‑Net分支均包括多个编码器层、多个解码器层及跳跃连接结构； 在第一个U‑Net分支的每一解码器层后嵌入地物语义先验特征调制模块，通过条件归一化对当前解码器层特征图进行调制； 在第二个U‑Net分支的每一编码器层后嵌入地物语义先验特征调制模块，通过注意力机制对当前编码器层特征图进行调制； 将第一个U‑Net分支输出的解码器多尺度特征图和将第二个U‑Net分支输出的编码器多尺度特征图输入特征融合层，获得变化敏感特征； 将经判断调节模块融合所得的变化敏感特征输入变化判别解码层，将变化敏感特征还原至原始空间分辨率，输出变化检测概率图和二值变化掩模； 所述变化判别解码层包括多个解码单元，每个解码单元由上采样层、卷积层、激活函数和跳跃连接结构组成； 变化敏感特征经过多层上采样和跳跃连接处理后，通过一层卷积操作映射为变化检测概率图； 基于变化检测概率图和二值变化掩模，结合地物语义先验图对变化区域进行属性判别，输出变化区域结果； 将变化区域结果集成到地理信息服务平台，实现变化区域的空间展示、对比分析和变化数据的在线发布与应用。

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第二测绘院;河北省地质矿产勘查开发局第四地质大队(河北省水源涵养研究中心);山东省地质矿产勘查开发局第三地质大队(山东省第三地质矿产勘查院、山东省海洋地质勘查院)，其通讯地址为：050023 河北省石家庄市东岗路35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。