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！

龙图腾网获悉中山大学申请的专利一种基于融合状态空间模型的遥感影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：CN120182827B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202510348741.7，技术领域涉及：G06V20/10；该发明授权一种基于融合状态空间模型的遥感影像变化检测方法是由石茜;林思敏;李嘉琪;刘梦曦设计研发完成，并于2025-03-24向国家知识产权局提交的专利申请。

本一种基于融合状态空间模型的遥感影像变化检测方法在说明书摘要公布了：本发明涉及图像检测的技术领域，更具体地，涉及一种基于融合状态空间模型的遥感影像变化检测方法，其中模型包括：层级特征提取单元用于接收输入层级特征提取单元的影像组，影像组至少包括同一地点的两个及以上时间点对应的观测影像，且影像组的至少一张观测影像被视为基础影像，其他观测影像被视为对照影像；并用于提取影像组的每张观测影像的层级特征表示，层级特征表示包括低级特征、中级特征、深度特征和高级特征；拼接融合单元用于将每张观测影像的层级特征表示在通道维度上分层级进行拼接与压缩，并用于分层级聚合压缩后的层级特征表示的远程上下文信息，得到每张观测影像对应的融合特征；输出模块用于基于影像组中的基础影像的融合特征与影像组中的对照影像的融合特征，输出与基础影像相比对照影像发生了变化的预测概率；该模型和方法能够得到精确度较高的遥感影像变化检测结果。

本发明授权一种基于融合状态空间模型的遥感影像变化检测方法在权利要求书中公布了：1.一种融合状态空间模型的构建方法，其特征在于，包括：层级特征提取单元、拼接融合单元和输出模块； 所述层级特征提取单元用于接收输入层级特征提取单元的影像组，所述影像组至少包括同一地点的两个及以上时间点对应的观测影像，且影像组的至少一张观测影像被视为基础影像，其他观测影像被视为对照影像；并用于提取所述影像组的每张观测影像的层级特征表示，所述层级特征表示包括低级特征、中级特征、深度特征和高级特征； 所述拼接融合单元用于将每张观测影像的层级特征表示在通道维度上分层级进行拼接与压缩，并用于分层级聚合压缩后的层级特征表示的远程上下文信息，得到每张观测影像对应的融合特征； 所述输出模块用于基于影像组中的基础影像的融合特征与影像组中的对照影像的融合特征，输出与所述基础影像相比所述对照影像发生了变化的预测概率； 所述拼接融合单元包括依次连接的第一卷积层、第二卷积层、第一SS1D模块、第三卷积层、第二SS1D模块、第四卷积层和第三SS1D模块； 其中，每个卷积层均用于将输入卷积层的特征的通道数降低； 每个SS1D模块均包括依次连接的二维图像拉伸层、SSM层、特征维度还原层和归一化层；所述二维图像拉伸层用于以水平方向的前向和反向两个方向，或竖直方向的下向和上向两个方向将接收到的特征拉伸为一维特征向量；所述SSM层用于选择性扫描二维图像拉伸层输入的一维特征向量，筛选保留有效信息，并优化特征表达，所述特征维度还原层用于将所述SSM层的输出通过相加合并还原为二维特征，所述归一化层用于标准化处理所述特征维度还原层的输出，统一不同尺度的特征分布； 所述高级特征输入所述第一卷积层，所述第一卷积层将所述高级特征降维后输出，降维后的高级特征与所述深度特征被通道拼接后，依次经过所述第二卷积层和第一SS1D模块的信息聚合后输出；所述第一SS1D模块的输出与所述中级特征被通道拼接后，依次经过所述第三卷积层和第二SS1D模块的信息聚合后输出；所述第二SS1D模块的输出与所述低级特征被通道拼接后，依次经过所述第四卷积层和第三SS1D模块的信息聚合后输出，所述第三SS1D模块的输出即为所述融合特征。

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中山大学，其通讯地址为：510315 广东省广州市海珠区新港西路135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。