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！

龙图腾网获悉南昌市测绘勘察研究院有限公司申请的专利一种用于空间不对齐下的轻量级遥感影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：CN121329962B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202511719630.9，技术领域涉及：G06T7/00；该发明授权一种用于空间不对齐下的轻量级遥感影像变化检测方法是由龚良雄;王红根;程远明;赵兴友;桂磊峰;刘传瑞;钱小刚;罗超;陈志;邱嘉平;王光泽;曹星星;冯金福设计研发完成，并于2025-11-21向国家知识产权局提交的专利申请。

本一种用于空间不对齐下的轻量级遥感影像变化检测方法在说明书摘要公布了：本发明公开了一种用于空间不对齐下的轻量级遥感影像变化检测方法。本发明包括：首先，利用MobileNetV3Large提取用于配准和变化检测的多尺度特征。其次，利用空间一致性模块实现半稠密特征点匹配，建立跨尺度的空间变换模型，使得不同尺度特征图相互对齐。然后，不同尺度特征图通过时空差异协同模块，增强双时相特征的时空异质性。最后，对多尺度差异特征进行融合，生成变化检测结果。本发明选取SVCD、SYSU‑CD和SECOND数据集进行试验，与当前主流的变化检测网络进行了对比。结果表明：本方法能有效构建待配准影像间的空间变换关系，在定量分析和定性分析方面均显著优于其它方法，并在网络复杂度方面具有一定优势。

本发明授权一种用于空间不对齐下的轻量级遥感影像变化检测方法在权利要求书中公布了：1.一种用于空间不对齐下的轻量级遥感影像变化检测方法，其特征在于，包括如下步骤： 针对前后时相影像，利用权值共享主干网络提取不同时相下的多尺度特征图； 编码阶段：利用空间一致性模块建立跨尺度的空间变换模型，使得不同尺度特征图相互对齐，并构建前后时相影像某一尺度下的半密集对应关系，以监督空间一致性模块的训练； 空间一致性模块包括特征点检测分支和局部描述符分支； 在特征点检测分支中：首先，通过滑动窗口展开操作，将输入的灰度图像的局部区域展平为通道维度上的特征，任一通道对应原始图像局部且不重叠的8×8网格区域；然后，利用4个1×1卷积对的通道数量进行调整；最后，选择轻量级特征点检测框架ALIKE作为教师网络，以监督特征点热力图；针对后时相影像T2，采用同样的方法获得特征点热力图，不同点在于：先对前时相影像T1进行随机仿射变换，得到T1´，并将T1´转换为灰度图像，而对后时相影像T2直接转换为灰度图像； 在描述符分支中：首先，利用1×1卷积和双线性上采样操作，将提取到的多尺度特征图的空间维度保持一致，计算所有特征图之和；然后，利用连续的不同卷积核大小的卷积操作，计算得到半密集局部特征描述符；最后，利用3个连续的1×1卷积和Sigmoid函数，获得特征点置信度；针对后时相影像T2，采用同样的方法获得半密集局部特征描述符和特征点置信度，其中下标1和2用于标识前时相影像T1和后时相影像T2； 将对齐后的不同尺度特征图通过时空差异协同模块，获得双时相影像间的实质性空谱差异特征； 时空差异协同模块包括空间协同感知和语义协同感知，空间协同感知和语义协同感知计算不同尺度i下对齐后的双时相特征图间的绝对差值；其次，以通道交替拼接的方式构建对齐后的双时相特征图间的语义差异特征∈，随后利用高效通道注意力机制和1×1卷积，得到通道降维后的语义差异特征∈，H和分别高和宽，C为通道数；然后，在语义协同感知分支中，利用多头通道交叉注意力机制计算语义协同差异特征∈；在空间协同感知分支中，以4个不同空洞率卷积并联方式，计算不同感受野下的特征图，利用空间交叉注意力机制计算空间协同差异特征∈；最后，对进行通道拼接，经1×1卷积、批归一化和ReLU激活处理后，得到时空差异协同特征∈ 在空间协同感知中，利用空间交叉注意力机制，构建空间差异特征和语义差异特征的空间依赖关系；对于给定一个空间差异特征图∈即和语义差异特征图∈即，首先利用不同空洞率的3×3深度可分离卷积，生成不同感受野的特征图；随后对进行求和计算，利用ReLU激活函数计算不同感受野融合后的特征图∈； 1 式中：代表卷积核大小为3、空洞率为d的深度可分离卷积； 其次，在通道维度上，对分别进行平均池化和最大池化处理，随后对二者进行拼接，最后利用7×7卷积和Sigmoid函数计算空间特征图∈ 2 式中：AvGpool和Maxpool分别代表平均池化和最大池化，Concat代表通道拼接，代表Sigmoid函数； 然后，在任一通道的空间维度上，对进行平均池化处理，随后利用1×1普通卷积、ReLU激活函数、Sigmoid函数计算通道特征图∈ 3 式中：代表卷积核大小为1、输入、输出通道分别为C1、C2的卷积； 最后，将与、的相乘结果与相加，得到空间协同注意图∈； 4 在语义协同感知中，利用多头通道交叉注意力机制，构建空间差异特征和语义差异特征的通道依赖关系；对于给定一个空间差异特征图∈即和语义差异特征图∈即；首先，对、进行5×5窗口的平均池化处理，随后利用层归一化、1×1卷积计算得到空间池化特征图、通道池化特征图和∈； 5 6 式中：代表窗口大小为5、输入、输出空间大小分别为H×W、H´×W´的平均池化，代表层归一化； 然后，将和进行矩阵乘法运算，并除以缩放因子，再通过Softmax函数归一化得到注意力权重矩阵，最后将其与相乘，得到全局上下文关联的特征∈； 7 最后，对进行全局平均池化处理，随后与进行矩阵乘法运算，得到语义协同注意图∈； 8 解码阶段：对多尺度空谱差异特征进行融合，从而生成变化检测结果。

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南昌市测绘勘察研究院有限公司，其通讯地址为：331000 江西省南昌市红谷滩新区春晖路599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。