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！

龙图腾网获悉西安邮电大学申请的专利一种基于标签扩展的半监督高分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：CN120598958B 。

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：202511105802.3，技术领域涉及：G06T7/00；该发明授权一种基于标签扩展的半监督高分遥感影像变化检测方法是由张无瑕;万里;舒新龙;高仕文;陈磊;史欣怡设计研发完成，并于2025-08-08向国家知识产权局提交的专利申请。

本一种基于标签扩展的半监督高分遥感影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标签扩展的半监督高分遥感影像变化检测方法，包括：设置输入数据集；构建编码器‑解码器变化检测模型；在构建编码器‑解码器变化检测模型中约束弱增强与强增强之间预测结果的一致性；通过位置交互图对伪标签进行扩展；通过监督损失和无监督损失进行数据优化；通过编码器提取输入数据集进行特征提取得到差分特征；通过解码器对差分特征进行解码得到变化检测概率图。本发明通过提出一弱两强的一致性正则化框架，约束弱增强与强增强以及两个强增强之间预测结果的一致性。引入位置交互图，利用像素之间的全局‑局部关系，挖掘伪标签内在的一致性，从而提高模型精度。

本发明授权一种基于标签扩展的半监督高分遥感影像变化检测方法在权利要求书中公布了：1.一种基于标签扩展的半监督高分遥感影像变化检测方法，其特征在于，包括： 设置输入数据集，所述输入数据集包括有标签数据集和无标签数据集； 构建编码器-解码器变化检测模型； 在构建所述编码器-解码器变化检测模型中约束弱增强与强增强之间预测结果的一致性； 在构建所述编码器-解码器变化检测模型中约束两个所述强增强之间预测结果的一致性； 其中，对所述无标签数据集的无标签双时遥感图像进行弱增强操作得到弱增强图像； 将所述弱增强图像复制三份； 通过变化检测网络模型对第一份所述弱增强图像进行预测得到弱增强图像变化概率图； 对所述弱增强图像变化概率图创建伪标签； 对第二份和第三份所述弱增强图像进行强增强操作得到强增强图像； 通过所述变化检测网络模型对所述强增强图像进行预测得到强增强图像变化概率图； 通过所述伪标签约束所述变化检测网络模型对所述弱增强图像和所述强增强图像的预测结果的一致性； 在构建所述编码器-解码器变化检测模型中通过位置交互图对伪标签进行扩展； 所述在构建所述编码器-解码器变化检测模型中通过位置交互图对伪标签进行扩展包括： 对包含语义信息的高层特征进行降维； 使用两个1×1的卷积核对特征图进行分解得到两个特征向量和，和不相等，所述和均包含所述特征图中每个像素点的信息，其中C1表示特征通道维度，H1W1指的是特征向量的数量； 根据公式计算像素关系矩阵； 通过公式构造所述位置交互图为，其中，T表示对Z1进行转置，D是P的缩放的量，M中包含着像素点两两之间的相互关系； 通过双线性差值操作对所述编码器-解码器变化检测模型输出的变化概率图进行形状匹配； 通过公式获得标签扩展后的预测结果，其中表示双线性差值操作； 根据公式和所述标签扩展后的所述编码器-解码器变化检测模型的预测概率结果和计算位置交互损失，其中，表示固定的阈值，用于筛选伪标签，表示预测概率大于的视为高质量伪标签，记作1；否则设置为0，CE是交叉熵； 在构建所述编码器-解码器变化检测模型中通过监督损失和无监督损失进行数据优化； 通过所述编码器-解码器变化检测模型的编码器提取所述输入数据集进行特征提取得到差分特征； 通过所述编码器-解码器变化检测模型的解码器对所述差分特征进行解码得到变化检测概率图。

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安邮电大学，其通讯地址为：710121 陕西省西安市长安区西长安街618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。