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！

龙图腾网获悉河南大学申请的专利一种基于特征增强网络的遥感影像建筑物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：CN116310839B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202310426990.4，技术领域涉及：G06V20/10；该发明授权一种基于特征增强网络的遥感影像建筑物变化检测方法是由韩现伟;孙宇;张一民;高伟;杨光辉设计研发完成，并于2023-04-20向国家知识产权局提交的专利申请。

本一种基于特征增强网络的遥感影像建筑物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特征增强网络的遥感影像建筑物变化检测方法，包括以下步骤：第一步：准备数据集;第二步：进行数据增强；第三步：搭建网络模型并训练，第四步：建筑物变化检测。本发明通过引入视觉transformer结构、空间和通道注意力、u形残差模块和增强特征提取模块以及自注意力特征融合模块，以实现不同建筑信息的充分融合，它可以更好地区分不同规则形状和大小的建筑物，以防止错误检测和漏检，同时提高对不同形状的建筑物及其边缘细节的特征提取能力。本发明与不同的先进算法相比，比如BIT、Changeformer等，具有更高的F1分数和Kappa系数。

本发明授权一种基于特征增强网络的遥感影像建筑物变化检测方法在权利要求书中公布了：1.一种基于特征增强网络的遥感影像建筑物变化检测方法，其特征在于：包括以下步骤： 第一步：准备数据集:收集公开变化检测数据集CDD，数据集包含有验证集、训练集和测试集；每个子集中又包含A、B和OUT三个文件夹，分别对应变化前图像、变化后图像和真实发生变化的建筑标签，每个图像大小为256×256像素； 第二步：进行数据增强：为了增强网络对不同场景下建筑物的识别能力和网络的鲁棒性，增加网络的泛化能力，采用水平翻转、旋转方法，对图像进行数据增强； 第三步：搭建网络模型并训练；所述的网络模型包括： 特征提取器：输入图像首先输入到特征提取器中来用于提取建筑特征；所述的特征提取器包括： 初级特征提取器：用于增强特征表达能力；初级特征提取器主要由Unet编码和视觉transformer结构组成；Unet的每个编码块包含两个卷积层，每个卷积层输出一个特征图； 这两个特征图被输入到VTS中，以获得更大的感受野并增强特征表示的能力，最终输出五个特征图；具体的包括如下步骤： 在patch embedding后，将第一个特性用作查询向量； 将第二个特征用作键向量和值向量； 多头注意力在设置为12，同时，将第一个特征用作位置矩阵，将其与第二个特征叠加后作为输入，我们将transformer块设置为1； 在变换特征图的尺度后，大小为768×16×16；接着，将它们输入转置卷积层，来改变特征图的大小和通道数，最终输出的特征图具有与输入特征图相同的大小； 增强特征提取器：进一步增强特征表达能力； ResNet解码器，用于对增强特征提取器和初级特征提取器的输出输入到ResNet解码器中进行解码，最终输出两个特征图跨通道上下文语义聚合模块：用于使通道信息的充分融合；所述跨通道上下文语义聚合模块中，中间特征图由左特征和右特征进行通道拼接得到，然后通过自适应平均池化层将中间特征的大小压缩为1×1，并通过1×1的卷积层调整其通道数，再将卷积输出和它拼接，将拼接结果输送到1×1的卷积层，再将卷积结果输入到右分支以进行连接和融合，再使用sigmoid函数来归一化权重矩阵，通道信息通过左右分支可以充分实现聚集融合；使用两个卷积层来提取左分支特征和右分支特征的多尺度特征；最后，将权重矩阵和卷积结果相乘，再逐元素相加，使输出特征图的通道信息实现良好的交汇； 第四步：建筑物变化检测；将测试集样本输入到训练好的网络模型来预测建筑变化图。

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河南大学，其通讯地址为：475001 河南省开封市明伦街85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。