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！

龙图腾网获悉西安电子科技大学申请的专利一种网络参数和结构协同优化的SAR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：CN114266982B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202111334939.8，技术领域涉及：G06V20/13；该发明授权一种网络参数和结构协同优化的SAR图像变化检测方法是由公茂果;高天启;李豪;武越;张明阳;王善峰;刘洁怡设计研发完成，并于2021-11-11向国家知识产权局提交的专利申请。

本一种网络参数和结构协同优化的SAR图像变化检测方法在说明书摘要公布了：本发明公开了一种网络参数和结构协同优化的SAR图像变化检测方法，包括：对同一地点不同时刻的两幅SAR图像得到去噪SAR图像；基于邻域波动性进行像素邻域信息分析生成相似性矩阵；分割相似性矩阵得到伪标签矩阵；生成样本集并选出训练样本集；设定卷积神经网络结构遍历空间，利用多目标优化算法采用上下两层的显著代理模型协同优化网络结构与权重参数，寻求最优分类网络模型得到一组帕累托前沿面；选择拐点处的解得到表示最优性能的卷积神经网络结构与相关参数，重新训练得到变化检测分类网络；输入样本集得到变化检测结果。本发明不生成差异图，引入协同进化思想自动高效寻求最优网络结构和参数配置，能提高检测精度，降低计算复杂性。

本发明授权一种网络参数和结构协同优化的SAR图像变化检测方法在权利要求书中公布了：1.一种网络参数和结构协同优化的SAR图像变化检测方法，其特征在于，包括： 对同一地点不同时刻获取的两幅SAR图像进行去噪处理，分别得到去噪SAR图像； 基于邻域波动性，对两幅去噪SAR图像进行像素邻域信息分析，生成相似性矩阵； 利用预设的阈值分割算法分割所述相似性矩阵得到伪标签矩阵；其中，所述伪标签矩阵中的元素值为0和1，分别表示所述两幅去噪后SAR图像中的未变化类和变化类； 利用所述两幅去噪SAR图像得到样本集，并利用所述伪标签矩阵从所述样本集中选出部分作为训练样本集； 设定用于变化检测分类的卷积神经网络的结构遍历空间，利用预设的多目标优化算法，采用上下两层的显著代理模型分别优化网络结构与网络权重参数，寻求最优分类网络模型，得到一组高检测精度与低计算复杂度的帕累托前沿面作为解集，包括： 定义SAR图块分类的卷积神经网络结构与参数协同优化的双层优化问题；其中，上层优化用于遍历网络结构体系，下层优化针对给定网络结构体系遍历网络的权重；进行卷积神经网络的结构与参数协同寻优的多目标建模；其中，目标函数包括变化检测的正确率PCC和作为计算复杂度值的浮点运算数FLOPs；从卷积神经网络的层数、卷积核尺寸、膨胀率和输入分辨率四个维度设置遍历空间，并将卷积神经网络架构分解为相连的三个阶段，每个阶段包括用于遍历层数的多个卷积层，每个卷积层采用瓶颈型结构；分别构建上下两层的显著代理模型，利用所述预设的多目标优化算法，采用所述上下两层的显著代理模型分别优化网络结构与网络权重参数，寻求最优分类网络模型，得到一组高检测精度与低计算复杂度的帕累托前沿面作为解集；其中，上层代理模型采用在线学习算法，自适应选择四类精度预测代理模型，寻求遍历空间中接近当前权衡前沿的架构；下层代理模型通过超网模型获得初始权重，采用权重共享技术微调精度预测代理模型； 选择所述帕累托前沿面拐点处的解作为最终解，解码得到表示最优性能的卷积神经网络结构与相关参数，并利用得到的卷积神经网络结构和所述训练样本集重新进行网络训练，得到训练完成的变化检测分类网络； 将所述样本集输入所述变化检测分类网络，得到所述两幅SAR图像的变化检测结果。

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西安电子科技大学，其通讯地址为：710000 陕西省西安市雁塔区太白南路2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”。