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！

龙图腾网获悉西安交通大学申请的专利一种利用贝叶斯网络优化伪标签的无监督高光谱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：CN115908419B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202310029793.9，技术领域涉及：G06T7/00；该发明授权一种利用贝叶斯网络优化伪标签的无监督高光谱图像变化检测方法是由穆廷魁;李秋霞设计研发完成，并于2023-01-09向国家知识产权局提交的专利申请。

本一种利用贝叶斯网络优化伪标签的无监督高光谱图像变化检测方法在说明书摘要公布了：一种利用贝叶斯网络优化伪标签的无监督高光谱图像变化检测方法，包括初始伪标签生成和伪标签优化两个步骤。对于第一步，高置信度空间约束的伪标签生成策略被设计用于生成初始伪标签。所生成的伪标签兼备精确性和多样性。对于第二步，将初始伪标签用于训练贝叶斯网络，经过训练的网络能够预测出完整的变化图及不确定度，紧接着，基于不确定度感知的伪标签选择机制可挑选出新的伪标签用于下一次的网络训练。如此反复，网络的训练，测试和伪标签的挑选以迭代的形式进行，这使得伪标签被不断地优化，进而使模型检测变化的能力不断地增强。本发明能够检测几乎完整的强烈变化和微弱变化，抑制虚假的变化，还能够提供预测结果的不确定度用于决策辅助。

本发明授权一种利用贝叶斯网络优化伪标签的无监督高光谱图像变化检测方法在权利要求书中公布了：1.一种利用贝叶斯网络优化伪标签的无监督高光谱图像变化检测方法，其特征在于，包括如下步骤： 步骤1：针对双时相高光谱图像，利用高置信度空间约束伪标签生成策略，联合使用多个预分类方法和超像素分割，生成初始伪标签； 步骤2：利用初始伪标签训练贝叶斯深度学习分类网络模型，然后测试所有像素，获得变化图和不确定度；利用基于不确定度感知的伪标签选择机制优化伪标签，直至模型收敛并输出最终的变化图； 所述步骤1，包括如下步骤： 步骤1.1，对双时相高光谱图像T1和T2进行逐像素差分获取差异图X，表示为：X＝absT1-T2； 步骤1.2，分别利用3种预分类方法对双时相高光谱图像T1和T2进行预分类，获得3个二值变化图，图中值为1代表对应区域有变化，值为0代表对应区域无变化，所述3种预分类方法为变化向量分析方法、结构相似性方法和光谱解混方法； 步骤1.3，将所述3个二值变化图融合为一个变化图，使得融合后的变化图有更高的可信度，并且既包含强烈变化又包含微弱变化； 步骤1.4，对差异图X进行超像素分割实现空间约束，再依据分割结果，从逐个超像素中抽取若干像素，表示为并记录索引，根据索引从融合后的变化图中取值作为初始伪标签，中的每一个即一条差异光谱； 所述步骤2，对于一个新的差异光谱计算模型不确定度的过程如下： 新的差异光谱x*的后验概率分布表示为： 其中py*|x*,ω是输入x*和网络权重为ω时输出y*的概率，是训练集训练得到网络权重ω的概率，此后验概率分布的宽度能够反映模型对特定预测的置信度；通过B次预测获得B个随机输出，近似为： B个预测的方差为模型对预测的不确定度，即模型不确定度：

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交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。