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！

龙图腾网获悉湖北工业大学申请的专利一种用于城市动态监测的建筑物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：CN115601661B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202211344397.7，技术领域涉及：G06V20/13；该发明授权一种用于城市动态监测的建筑物变化检测方法是由徐川;叶昭毅;杨威;梅礼晔;张琪;李迪设计研发完成，并于2022-10-31向国家知识产权局提交的专利申请。

本一种用于城市动态监测的建筑物变化检测方法在说明书摘要公布了：本发明公开了一种用于城市动态监测的建筑物变化检测方法，该方法通过卫星技术接收遥感卫星检测到的城市表面双时相影像，对原始影像进行裁减，然后输入到城市建筑物自动化检测模型中，输出得到双时相影像中建筑物的变化检测结果；其中，城市建筑物自动化检测模型包含编码阶段和解码阶段。编码阶段采用权重共享的孪生网络对输入的双时相影像进行下采样操作，提取丰富的多尺度特征信息，同时利用孪生交叉注意力机制加强特征信息的表示；解码阶段采用多尺度特征融合模块将提取到的多尺度特征进行渐进式地融合；利用差分上下文判别模块推动检测结果更接近实际变化情况。本发明方法能够高效地进行多特征判别与融合，从而提高城市建筑物变化检测准确度。

本发明授权一种用于城市动态监测的建筑物变化检测方法在权利要求书中公布了：1.一种用于城市动态监测的建筑物变化检测方法，其特征在于，包括以下步骤： S1，采用遥感卫星采集到的城市建筑物影像作为数据集，获取数据集中各个建筑物对应的实际变化影像，将实际变化影像与对应的双时相影像划分为训练集和测试集； S2，构建由编码器和解码器组成的建筑物自动化检测模型，所述编码器包括权重共享的双通道孪生网络和孪生交叉注意力模块，所述解码器包括多尺度特征融合模块以及差分上下文判别模块； 所述权重共享的双通道孪生网络包括批归一化层和多个上采样块，输入双时相影像，用于获取不同尺度的特征图； 所述孪生交叉注意力模块首先对不同尺度的特征图进行嵌入操作，然后利用多头交叉注意力机制提取更深层次的变化特征语义信息，提高对特征信息的全局关注度； 所述多尺度特征融合模块采用重建与上采样块的双重渐进式融合策略，将提取到的含有丰富多尺度语义信息的特征进行融合； 所述差分上下文判别模块的输入为多尺度融合模块的输出影像以及前后时序差分影像，目的是结合影像中的上下文信息，提高网络的判别能力，使得检测结果影像更加趋近于真实变化影像，从而提高检测准确度； 步骤S2中的孪生交叉注意力模块对双通道孪生网络的四个输出进行嵌入操作，首先进行一次2D卷积提取特征，然后将特征展开成二维序列T1，T2，T3以及T4，其patch大小分别为32、16、8和4，将T1-T4进行合并得到T∑，然后利用多头交叉注意力机制进行处理，第一阶段的目标函数为： 其中，WK和WV为不同输入的权重系数，Tl表示特征信息令牌，l表示第l个尺度的特征信息，T∑表示四个令牌的特征联合，得到查询向量Qu，查询键K，查询值V，l＝1,2,3,4，u＝1,2,3,4； 第二阶段的目标函数为： 其中，σ·和分别表示softmax函数和实例规范化函数，C∑表示通道数的总和； 多头交叉注意力第三阶段的目标函数为： 其中，CAh表示多头交叉注意力第二阶段的输出，h表示第h个注意力头的输出，N为注意力头的个数； 多头交叉注意力最终阶段的目标函数为： Or＝MCAp+MLPQu+MCAp 确定多头交叉注意力最终的输出，其中，MCAp表示多头交叉注意力第三阶段的输出，p表示第p个输出，MLP·为多层感知机函数，Qu表示查询向量，u表示第u个查询向量； 步骤S2中，所述差分上下文判别模块包含生成器和判别器，生成器中接收两个输入，多尺度特征融合模块最后一层的得到的检测影像以及第一和第二时相做差分运算得到的生成影像，计算二者的损失以推动结果更加接近于实际变化影像，在生成器中采用SCAD和最小二乘LSGAN损失函数的加权和作为损失函数，降低模型的误监率；在判别器中采用最小二乘LSGAN损失函数，改善检测精度，将生成器和判别器的损失函数累加得到最终的概率损失； S3，利用S1中的训练集对S2中的建筑物自动化检测模型进行训练，利用训练好的模型实现建筑物变化检测。

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湖北工业大学，其通讯地址为：430068 湖北省武汉市洪山区南李路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”。