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！

龙图腾网获悉西北工业大学;宁波大学申请的专利基于粗筛-精检的大尺度遥感碎片化耕地变化检测算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：CN119339253B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202411446735.7，技术领域涉及：G06V20/13；该发明授权基于粗筛-精检的大尺度遥感碎片化耕地变化检测算法是由马明阳;胡媛;梅少辉;张易凡;孙伟伟;陈镔捷设计研发完成，并于2024-10-16向国家知识产权局提交的专利申请。

本基于粗筛-精检的大尺度遥感碎片化耕地变化检测算法在说明书摘要公布了：本发明公开了一种基于粗筛‑精检的大尺度遥感碎片化耕地变化检测算法，包括以下步骤：步骤S1、采集不同时间同一位置的两幅大尺度的耕地遥感图像，分别进行预处理；再对经预处理后的图像进行裁剪得到前时相子图像组和后时相子图像组；步骤S2、选定直方图规定化方法对前时相子图像组和后时相子图像组进行风格统一；步骤S3、对耕地变化图像进行粗筛得到新图像数据集，所述耕地变化图像为前时相子图像组和后时相子图像组；步骤S4、对新图像数据集中的耕地变化区域精细检测定位，从而获得耕地变化状态。其解决了现有变化检测方法用于检测耕地变化时，标签信息获取困难、耕地变化区域少且检测困难、图像从采集到落地应用复杂的问题。

本发明授权基于粗筛-精检的大尺度遥感碎片化耕地变化检测算法在权利要求书中公布了：1.基于粗筛-精检的大尺度遥感碎片化耕地变化检测算法，其特征在于，包括以下步骤： 步骤S1、采集不同时间同一位置的两幅大尺度的耕地遥感图像，两幅大尺度的耕地遥感图像分别为前时相图像和后时相图像；对所述前时相图像和所述后时相图像分别进行预处理； 再对经预处理后的所述前时相图像和所述后时相图像，按照选定尺寸进行裁剪，得到两组小尺寸的耕地遥感图像；两组小尺寸的耕地遥感图像分别为前时相子图像组和后时相子图像组； 步骤S2、选定直方图规定化方法对前时相子图像组和后时相子图像组进行风格统一； 步骤S3、对耕地变化图像进行粗筛得到新图像数据集，所述耕地变化图像为风格统一后的前时相子图像组和风格统一后的后时相子图像组； 所述步骤S3的具体方法为： 步骤311：通过采用特征提取算法，在同一算法下，对风格统一后的前时相子图像组和后时相子图像组中的所有子图像提取相同维度的特征，则前时相图像和后时相图像的特征均可表示为一个n×K的矩阵；其中，n为特征维度，K为子图像数量； 步骤312：将后时相子图像组中的第i幅子图像特征作为待重构的对象，并选定与后时相组中的第i幅子图像特征相对应位置的前时相子图像特征周围的k2幅图像特征构建字典，以实现对其进行稀疏重构； 步骤313：根据公式1计算重构误差，将重构误差由大到小排序，误差越大表示存在变化的可能性越高，即根据重构误差进行排序，丢弃小于误差阈值的图像对；剩余的图像为新图像数据集； 其中，||·||2为l2-范数，ε是误差阈值，小于误差阈值可认定为无变化，字典中的词数量M＝k2≤K，K是每幅大尺度的耕地遥感图像裁剪后获得的子图像数量，k为周围邻域选取宽度，xi为稀疏表示矩阵； 步骤S4、对新图像数据集中的耕地变化区域精细检测定位，从而获得耕地变化状态； 所述步骤S4的具体方法为： 步骤4.1：特征提取 将步骤3粗筛后得到的新图像数据集中成对的影像数据作为输入，通过一系列卷积层提取影像的空间特征；使用最大池化或平均池化层进行特征下采样，保留重要特征信息；使用ReLU激活函数增加特征的非线性；得到前时相子图像的特征映射图和后时相子图像的特征映射图； 步骤4.2：变化提取 对齐步骤4.1中获取的前时相子图像的特征映射图和后时相子图像的特征映射图；计算前时相子图像的特征映射图和后时相子图像的特征映射图的差分，得到变化特征图；对所述变化特征图进行阈值处理； 步骤4.3：生成变化图 将所述变化特征图输入分类网络，生成变化与未变化区域的概率图；对所述概率图进行阈值分割，得到二值变化图。

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西北工业大学;宁波大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。

以上内容由龙图腾AI智能生成。