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！

龙图腾网获悉石家庄铁道大学申请的专利一种基于语义补偿的自适应融合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：CN119832434B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202510118767.2，技术领域涉及：G06V20/10；该发明授权一种基于语义补偿的自适应融合遥感图像变化检测方法是由张云佐;甄嘉闻;涂志伟;薛丽烨;孙士博;赵永斌;连玮琪;郑丽娟;耿鹏设计研发完成，并于2025-01-24向国家知识产权局提交的专利申请。

本一种基于语义补偿的自适应融合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语义补偿的自适应融合遥感图像变化检测方法，所述方法包括以下步骤：使用CNN‑Transformer混合的层次主干网络用于对遥感图像进行特征提取，将CNN的本地细节敏感性与Transformer的全局上下文感知相结合，捕获从微小变化到宽模式的多尺度特征；通过语义补偿模块，通过补偿、对齐来自CNN的局部特征和来自Transformer的全局特征来确保语义一致性；使用一种CNN‑Trans特征自适应融合模块，以自适应地平衡、融合来自CNN和Transformer分支的特征，从而增强模型在不同场景中的泛化能力。本发明通过变化特征识别模块可在抑制环境干扰的同时识别真实变化，有效提升了识别准确率。

本发明授权一种基于语义补偿的自适应融合遥感图像变化检测方法在权利要求书中公布了：1.一种基于语义补偿的自适应融合遥感图像变化检测方法，其特征在于，包括如下步骤： S1，将变化检测原数据集图片按照指定大小裁切成不重叠的子图，并划分为训练集、验证集、测试集；将训练集图片输入进网络前进行数据增强；具体如下： S1.1，将数据集的原始图像裁切成256x256大小的图片； S1.2，将裁切后的图片按照不同的比例划分为训练集，验证集，测试集； S1.3，将训练集进行随机翻转，裁切操作； S1.4，将增强后的训练集、验证集、测试集图片进行归一化操作； S2，将输入图像进行初始下采样操作将分辨率大小为256x256的图像变成64x64的特征图，图像的通道数由3变成128；将特征图分别传入卷积核大小为3的卷积和Transformer块中；利用语义补偿模块将两种语义不同的特征图进行信息补偿；减小特征图的尺度并增加特征图的通道数传入下一层级的卷积和Transformer块；经过四层CNN-Transformer特征提取后至主干网络的末尾； S3，将主干网络中的语义补偿模块输出的特征使用CNN-Transformer特征自适应融合模块进行特征融合； 特征图F1和F2分别来自于CNN和Transformer分支，并且通过卷积核大小为3的卷积以及层归一化生成Q,K,V向量，用公式表达如下： Q1,K1,V1＝LNReLUConv3×3F1， Q2,K2,V2＝LNReLUConv3×3F2， 对两组Q,K,V之间使用交叉多头注意力进行融合后与可学习因子β相乘得到Fβ1和Fβ2后分别与乘以可学习因子α的输入特征图Fα1和Fα2进行相加得到Fα1+β1，Fα2+β2，用公式表示如下： FCA1＝MHAQ2,K1,V1， FCA2＝MHAQ1,K2,V2， Fβ1＝reshapeConv3×3FCA1×β1， Fβ2＝reshapeConv3×3FCA2×β2， 将Fα1+β1，Fα2+β2进行层归一化后通过1x1卷积增加通道方向维度后在通道方向进行切分得到Fa1，Fa2和Fb1，Fb2；将通过深度可分离卷积后与Fa2，Fb2特征相乘以增强特征的提取能力；对其使用激活函数和卷积得到Fe1和Fe2，用公式表示如下： Fa＝LNConv1×1Fα1+β1， Fb＝LNConv1×1Fα2+β2， Fa1,Fa2＝splitFa， Fb1,Fb2＝splitFb， 其中split表示将输入特征沿通道维度切分为原来的二分之一；Convd表示深度卷积；Convp表示点卷积；随后引入学习因子δ与Fe1，Fe2相乘并与乘以可学习因子γ的输入特征F1，F2相加；最后将两个分支相连并对其进行卷积以完成自适应融合；用公式表示如下： CTFAFout＝RELUBNConv1×1ConcatFus1,Fus2， 其中BN表示批归一化，Concat表示通道维度拼接； S4，将不同层级上融合的CNN-Transformer特征输入进变化特征鉴别模块进行差异特征提取； S5，将底层的差异特征进行上采样使得其尺度与上一层级相同；将上采样后的特征与上一层级特征在通道维度进行拼接；将拼接以后的特征进行反卷积改变其尺度和通道；重复前面的过程至第一层级；将与第一层级特征融合后的特征进行反卷积后使用卷积核大小为3的卷积；将特征进行上采样并连续对其进行两次卷积核大小为3的卷积生成变化图；在训练集上进行200轮数的迭代训练并保存效果最好的模型参数； S6，将测试集的双时相遥感图片输入进遥感图像变化检测模型来得到模型预测的变化图。

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石家庄铁道大学，其通讯地址为：050043 河北省石家庄市长安区北二环东路17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”。