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！

龙图腾网获悉西安建筑科技大学申请的专利一种基于自监督转换的异质遥感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：CN115187511B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202210650216.7，技术领域涉及：G06T7/00；该发明授权一种基于自监督转换的异质遥感图像变化检测方法是由马宗方;郝凡;宋琳;麻瑞设计研发完成，并于2022-06-10向国家知识产权局提交的专利申请。

本一种基于自监督转换的异质遥感图像变化检测方法在说明书摘要公布了：本发明公开了一种基于自监督转换的异质遥感图像变化检测方法，包括以下步骤；步骤1：对原始遥感图像进行图像像素离散化；步骤2：对步骤1离散化后的图像进行超像素分割和边界整合，超像素特征提取和分析，得到带标记像素对；步骤3：根据步骤2中得到的标记像素对，即可靠变化和不变像素对，将事前和事后异质遥感图像转换到一个公共特征空间，然后通过前向和后向变化得到两种差异图像；步骤4：将步骤3中的差异图像进行证据融合及基于先验扩充训练数据；步骤5：将步骤4的训练数据导入训练分类器模型生成变化检测结果。本发明检测精度高，不仅考虑了不变像素对的影响，同时还考虑到了变化像素对的积极影响，可以很好地适应复杂环境和高噪声环境，鲁棒性较高。

本发明授权一种基于自监督转换的异质遥感图像变化检测方法在权利要求书中公布了：1.一种基于自监督转换的异质遥感图像变化检测方法，其特征在于，包括以下步骤； 步骤1：对原始遥感图像进行图像像素离散化； 步骤2：对步骤1离散化后的图像进行超像素分割和边界整合，超像素特征提取和分析，得到带标记像素对； 步骤3：根据步骤2中得到的带标记像素对，即可靠变化和不变像素对，将事前和事后异质遥感图像转换到一个公共特征空间，然后通过前向和后向变化得到两种差异图像； 步骤4：将步骤3中的两种差异图像进行证据融合，并基于先验进行扩充，得到训练数据； 步骤5：将步骤4的训练数据导入训练分类器模型生成变化检测结果； 所述步骤1具体步骤为： 1采用K均值算法聚类像素点，在计算类内像素样本和聚类中心像素之间的距离时还考虑到像素的空间位置信息，引入加权因子η来融合基于光谱和空间位置信息的类内像素样本与聚类中心像素之间的距离，因此，图像中的第i个像素和簇中心ωc之间的距离表示为： 其中和代表光谱和空间位置信息相对应的距离，η趋近于1，进而，通过K均值聚类将遥感图像分为C个类，称为ω1,ω2,…,ωC； 2计算样本点与簇中心像素的偏差距离，对于像素i的第l个通道记为Xil，计算其与簇中心ωc的绝对值偏差距离δil如下所示： 其中， 并且|·|是绝对值运算的符号，M表示ωc中的像素数； 3计算像素光谱特征的校正值，计算绝对偏差距离δil与数据分布范围的中点之间的距离，所以Xil的校正值由下式给出： 其中， 并且和表示所有像素δ`l的最大值和最小值； 4更新离散像素值，更新每个像素的离散化像素值的方法由下式表示： 其中，Xil是指在第l个离散化通道对像素Xi进行图像像素离散化，为了得到优化的离散化图像，采用两种方式停止迭代，第一种是设置最大迭代次数Z，另一步是计算平均离散度 所述步骤2具体为： 1超像素分割和边界整合，首先将步骤1中离散化后的图像以超像素为单位进行分割，以获得高度均匀的超像素图像块，并且突出了地物对象的边界；其次，采用简单的边界整合策略来生成边界一致的超像素对，即一致的分割结果； 2超像素特征提取及分析，以超像素为最小的图像分析单元，通过分析超像素的光谱和纹理特征的差异，自动挖掘出一些带标记像素对； 不同算子的光谱特征差异映射集合由下式得出： 其中‖·‖是欧几里得距离，是图像Tt的第j个超像素中包含的第l个通道中的所有像素的集合，fO·表示算子的相应运算； 不同算子的纹理特征差异映射集合由下式得出： 其中f·是均值函数，是图像Tt中第j个超像素的灰度共生矩阵GLCM特征图；得到超像素特征差异图集然后使用一组阈值来识别的6个子差异图的变化和不变区域，其中6个子差异图分别为：原图的纹理GLCM均值、标准差特征差异图，原图的光谱均值、中值、标准差特征差异图和像素离散化后图像的光谱均值特征差异图，进而采用简单的投票规则来确定超像素是否发生了变化，特征差值越大，为变化的超像素，反之，特征差值越小，为不变的超像素，简单的投票机制表示为： 其中，σup和σlow是不同子差异图的共同上限和下限，分别接近于1和0，σup＝0.9和σlow＝0.1； 对于每个超像素，都有s1+s2＝6个票来确定该超像素是否属于变化像素集，当该超像素对应的标签获得所有票时，即6个票，才会被认为是可靠的标签，表示为： 其中是超像素对Sj的对应空间位置，C和分别是变化和不变像素对的集合，u表示其他不确定像素对的集合，最后，获得变化和不变的带标记像素对； 所述步骤3中对于像素Xi∈T1，T1为事前遥感图像，其K个近邻定义为y1,…,yK，是从图像T1中的变化区域中获得的像素点，这K个近邻对应于图像T2中的像素点为y′1,…,y′K，这些对应点为其映射像素提供了多值估计记为Xi,1→2，当转换介质是变化区域时，Xi在另一个特征空间的映射像素表示为： 其中，λk是图像T1中第K个近邻的权重因子，噪声像素通常离Xi很远，所以λk与到近邻的距离成反比，也就是说，距离越小，近邻的贡献就越大，相似地，通过反向转换为图像T2中的X′i获得了映射像素图X′i,2→1，显然，当转换介质为变化区域时，得当相应的转换映射像素和 进而，通过以可靠的变化和不变像素为转换介质得出映射像素和目标像素之间第i个像素对{Xi,X′i}的差值表示为： 其中，ξi和表示以变化和不变像素为转换介质的对应差值，最后，通过两种不同的转换介质得到差异图像D和

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建筑科技大学，其通讯地址为：710055 陕西省西安市雁塔路13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”。