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！

龙图腾网获悉南京信息工程大学申请的专利一种高分遥感影像建筑物变化的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：CN115131676B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202210748465.X，技术领域涉及：G06V20/13；该发明授权一种高分遥感影像建筑物变化的检测方法是由潘伟豪;王帅;万宇坤;徐赛博;郭弘扬;吴涛;王超设计研发完成，并于2022-06-28向国家知识产权局提交的专利申请。

本一种高分遥感影像建筑物变化的检测方法在说明书摘要公布了：本发明公开了一种高分遥感影像建筑物变化的检测方法，步骤如下：S1，获取某一地区在不同时相下的异源高分遥感影像数据集,并对异源高分遥感影像数据集进行配准、融合及分割，得到统一的对象集合；S2，在已获取分割结果的基础上，构建证据集合；所述证据集合包括非建筑物指数NBI、两时相影像的建筑物指数MBI以及两时相影像间的差分信息；S3，基于对象在不同时相影像中的阴影特征，提取证据置信度指标；S4，采用D‑S证据理论进行决策融合，输出面向对象的细粒度建筑物变化检测结果。本发明利用阴影检测结果，构建一套完整的D‑S证据理论变化检测模型，与现有技术相比，变化检测精度和Kappa系数分别达80％和0.7以上。

本发明授权一种高分遥感影像建筑物变化的检测方法在权利要求书中公布了：1.一种高分遥感影像建筑物变化的检测方法，其特征在于，包括步骤如下： S1，获取某一地区在不同时相下的异源高分遥感影像数据集,并对异源高分遥感影像数据集进行配准、融合及分割，得到统一的对象集合； S2，在已获取分割结果的基础上，构建证据集合；所述证据集合包括非建筑物指数NBI、两时相影像的建筑物指数MBI以及两时相影像间的差分信息； S3，基于对象在不同时相影像中的阴影特征，提取证据置信度指标； S4，采用D-S证据理论进行决策融合，输出面向对象的细粒度建筑物变化检测结果； 所述步骤S2中，构建的证据集合包括：前后时相的非建筑物指数，前后时相的建筑物指数以及多时相差分特征；具体实现步骤如下： S21，提取前后时相的非建筑物指数NBI 对于分割结果中的任一对象Ti，定义非建筑物指数NBI： 其中，NDVI为归一化差异植被指数，NDWI为归一化差值水体指数，Pr为Ti的矩形度；Pwl为长宽比,Pwlm为遍历所有对象后所得到的长宽比最大值；S为面积指标，令 其中，si为Ti的面积：si＝r2×ni，r代表该幅遥感影像的分辨率，ni代表第i个对象内像素点的总数；sa定义为建筑物面积标准值； 根据NBI值的大小，提取前后时相的非建筑物指数NBI分别为N1i和N2i； S22，提取前后时相的建筑物指数MBI 所述前后时相的建筑物指数MBI的提取步骤如下： S221，计算亮度值： 其中，bandkx为第k光谱波段在像素x处的亮度值，W为可见光光谱最大波段数，并将可见光波段每个像素的最大值作为该像素的亮度值； S222，形态学白帽重构： 其中，为对亮度图像b的形态学开运算；d和v分别代表线性结构元素的方向和尺度； S223，计算微分形态学剖面DMP： DMPWTHd,v＝|WTHd,v+Δv-WTHd,v| S224，计算建筑物指数MBI： 其中，V＝vmax-vminΔv+1，D为计算建筑物剖面时的方向数；vmax，vmin分别为线性结构元素的尺度最大值、最小值，Δv为其尺度变化步长； 对建筑物指数MBI结果进行孔洞填补，提取前后时相建筑物指数MBI分别为λ1i和λ2i； S23，获得证据集合 定义差分特征： 其中，z为对象Ti中的像素点总数，σ1k、σ2k为对象Ti中第k个像素点分别在两时相中的对应像素值，σmax为第k个像素点在两幅影像中像素值的最大值； 此时，结合两时相NBI指数、两时相MBI指数和两时相差分特征，获得最终的证据集合Ri＝{N1i,N2i,λ1i,λ2i,Ci}。

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京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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”。