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！

龙图腾网获悉贵州省第二测绘院申请的专利一种基于ViT的时空像素特征渐进融合遥感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：CN120088655B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202510554150.5，技术领域涉及：G06V20/10；该发明授权一种基于ViT的时空像素特征渐进融合遥感变化检测方法是由陈忠超;杨宛莹;张永富;孙俊英;谭登澳;成其换;冯靖宜;国娴;王光文;袁方芳;张波;黎灼城;胡雪婷;刘莎设计研发完成，并于2025-04-29向国家知识产权局提交的专利申请。

本一种基于ViT的时空像素特征渐进融合遥感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ViT的时空像素特征渐进融合遥感变化检测方法，包括：采用预训练的VisionTransformer（ViT）作为骨干网络，通过引入低秩矩阵，对模型参数进行微调，利用微调后的模型提取双时相遥感图像特征；通过全局上下文分支和时序依赖分支增强双时相遥感图像全局‑局部特征交互，结合多层级渐进融合机制，对前后时相遥感图像特征分别进行三阶段融合（浅层、中层、高层），得到双时相遥感图像增强特征；双时相遥感图像特征按通道连接后，进行卷积融合，通过上采样、非线性特征变换和卷积生成二分类预测变化图像。本发明能显著提升复杂场景下的目标边界清晰度与检测精度，有效增强模型泛化能力，减少信息丢失。

本发明授权一种基于ViT的时空像素特征渐进融合遥感变化检测方法在权利要求书中公布了：1.一种基于ViT的时空像素特征渐进融合遥感变化检测方法，包括以下步骤： S1视觉基础模型骨干低秩微调：用低秩矩阵对视觉基础模型骨干进行低秩微调，提取前时相和后时相遥感图像特征X1,X2； S2双时相遥感特征交互增强：提取前后时相遥感图像特征X1，X2的显著特征，将这两个显著特征按通道连接，得到，其中b为批量大小，d为特征向量维度；双时相遥感特征交互增强包含两个分支： 2.1全局上下文分支：将输入到密集多头自注意力机制层中，捕获遥感图像的全局上下文信息，得到双时相遥感图像全局特征； 2.2时序依赖分支：将输入到时序依赖分支中，捕捉时序依赖关系，得到双时相遥感图像局部特征； 2.3基于通道切分的双时相遥感特征解耦：将双时相遥感图像全局特征与双时相遥感图像局部特征进行拼接与投影得到双时相遥感图像显著特征，双时相遥感图像显著特征沿通道维度均等分为两部分，分别提取为前时相遥感图像显著特征和后时相遥感图像显著特征； S3多层级特征渐进式融合增强： 3.1多层级特征渐进式融合增强：从前时相遥感图像显著特征的第12层开始，直到第24层结束，每四层提取一个特征，得到多层级特征，将进行渐进式融合增强，得到前时相遥感图像增强特征F 1 ， 3.2多层级特征渐进式融合增强：从后时相遥感图像显著特征的第12层开始，直到第24层结束，每四层提取一个特征，得到多层级特征，将进行渐进式融合增强，得到后时相遥感图像增强特征F 2 ； S4双时相遥感图像融合特征解码： 4.1特征融合与上采样：将前时相遥感图像增强特征F 1 和后时相遥感图像增强特征F 2 按通道连接，然后进行卷积融合，并通过双线性插值进行上采样还原为输入图像大小； 4.2特征映射与预测：先通过两个全连接层以及GELU激活函数将融合特征图F进行非线性特征变换；再通过一个卷积参数随训练过程自适应更新的1×1的卷积将特征图的每一个像素值与1×1的卷积参数值相乘，得到大小为1024×1024、像素值在0-1之间的预测结果，预测结果中的每一个像素值代表该像素是发生变化的预测概率； 4.3分类：将预测结果中大于等于0.5的像素值赋值为1，小于0.5的像素值赋值为0，得到二分类预测变化图像；二分类预测变化图像中像素值为1代表预测地物已发生变化，像素值为0代表预测地物未发生变化。

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贵州省第二测绘院，其通讯地址为：550001 贵州省贵阳市云岩区中华北路191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”。