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基于局部-全局Transformer网络的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：CN116434069B 。

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：202310470097.1，技术领域涉及：G06V20/10；该发明授权一种基于局部-全局Transformer网络的遥感图像变化检测方法是由夏旻;宋磊设计研发完成，并于2023-04-27向国家知识产权局提交的专利申请。

本一种基于局部-全局Transformer网络的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局部‑全局Transformer网络的遥感图像变化检测方法，该方法包括以下步骤：对多组图像样本数据进行预处理得到多组图像数据；将每组标准化的图像数据输入到局部‑全局Transformer网络中；对每阶段中前时向遥感图像的输出和后时相遥感图像的输出进行差分运算后输入到高频增强单元中，得到各个阶段变化区域边缘的高频特征；将第二阶段、第三阶段和第四阶段的高频特征输入到多尺度融合注意力单元中，得到各阶段细粒度融合特征；将第一阶段变化区域边缘的高频特征、后面三个阶段得到的细粒度融合特征输入到深层特征引导单元；本发明为了解决特征边界的严重的误检漏检问题，提出一种即插即用的高频增强单元来替代不够灵活的U形结构以优化检测边界。

本发明授权一种基于局部-全局Transformer网络的遥感图像变化检测方法在权利要求书中公布了：1.一种基于局部-全局Transformer网络的遥感图像变化检测方法，其特征在于，该方法包括以下步骤： S1对多组图像样本数据进行预处理得到标准化的多组图像数据，所述每组图像样本数据包括双时相遥感图像，所述双时相遥感图像包含前时向遥感图像和后时相遥感图像； S2将每组标准化的图像数据依次输入到局部-全局Transformer网络中，所述局部-全局Transformer网络包括图像块嵌入和主干网络，所述主干网络包括四个阶段，即第一阶段、第二阶段、第三阶段和第四阶段，将所述图像块嵌入后的前时向遥感图像和后时相遥感图像输入到第一阶段，且前面一阶段的输出作为后面一阶段的输入，每个阶段包括两个暹罗Transformer模型，其中第一个暹罗Transformer模型用于将自注意力的计算限制在局部窗口中以建模输入图像的局部像素关系，第二个暹罗Transformer模型用于对图像整体像素进行注意力计算以建模输入图像的全局像素关系，且每两个阶段之间存在图像块合并操作，即将特征图大小减半，通道数加倍； 所述暹罗Transformer模型包括两个权值共享的标准Transformer块，分别根据区域功能的不同分为令牌混合器和通道混合器，所述令牌混合器用于捕获双时相图像的空间特征表示，首先将双时相图像的特征对进行层归一化操作，然后经过线性变换得到三个输入特征，将三个输入特征输入到自注意力计算中，最后，通过双时相图像的特征的跳跃连接和自注意力计算的输出相加得到令牌混合器的输出特征，得到对应的输出特征； 所述通道混合器用于融合通道维度上的特征，首先将令牌混合器的输出特征进行归一化操作，后进入第一多层感知机中，进行深度卷积，并将深度卷积的结果与线性变换的结果进行激活函数的操作后输入到第二多层感知机中，第二多层感知机的输出特征与令牌混合器的输出特征进行相加得到通道混合器的输出特征Y，所述第一多层感知机与第二多层感知机均是线性变换； S3对每阶段中前时向遥感图像的输出和后时相遥感图像的输出进行差分运算后输入到高频增强单元中，得到各个阶段变化区域边缘的高频特征； S4将第二阶段、第三阶段和第四阶段的高频特征输入到多尺度融合注意力单元中，得到各阶段细粒度融合特征； S5将第一阶段变化区域边缘的高频特征、第二阶段、第三阶段以及第三阶段得到的细粒度融合特征输入到深层特征引导单元，获得更加精细的检测图； S6对深层特征引导单元的输出与第二阶段、第三阶段以及第三阶段得到的细粒度融合特征进行特征融合得到模型输出特征； S7采用训练数据对上述模型进行模型训练后进行数据测试，进而得到最终的预测结果。

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：210044 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”。

以上内容由龙图腾AI智能生成。