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！

龙图腾网获悉重庆邮电大学申请的专利基于ResNet34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：CN119693791B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202411692209.9，技术领域涉及：G06V20/10；该发明授权基于ResNet34的遥感影像建筑物变化检测方法是由罗小波;杨子杰设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本基于ResNet34的遥感影像建筑物变化检测方法在说明书摘要公布了：本发明涉及一种基于ResNet34的遥感影像建筑物变化检测方法，属于遥感图像信息变化检测技术领域。该方法为：对训练数据集进行预处理及数据增强；输入ResNet34编码器中，得到两张图像各个阶段不同尺度的特征图；将变化前和变化后的图像输入到GFSN模块中，在多个尺度和方向上提取建筑物相关纹理特征；将GFSN模块中提取到的特征与分层编码器融合，将其集成到由4对多级下采样‑变换块组成的暹罗式网络中；将融合后的多层特征通过比值注意力模块重新分配特征权重同时通过差分模块得到图像差值；通过解码器逐层融合上采样运算得到最终预测图。本发明解决了建筑物变换检测中出现的建筑物边界模糊和检测结果中出现的空洞问题。

本发明授权基于ResNet34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.基于ResNet34的遥感影像建筑物变化检测方法，其特征在于：该方法包括以下步骤： S1：将获取的遥感建筑物数据集图像划分为训练集、验证集和测试集，将训练集图像采用滑动窗口的方式进行裁剪，并对标注图像进行相应处理，然后对训练集图像进行数据增强； S2：将S1中经过数据增强的训练集图像输入具有残差网络的分层编码器提取模型，所述分层编码器对输入的两张不同时刻的遥感图像进行特征提取，分别得到第一阶段至第四阶段四个不同尺度的特征图；所述分层编码器基于ResNet34构建，每个阶段包含若干残差块，通过跳跃连接学习残差映射；具有残差网络的分层编码器提取模型为一个拥有四个阶段的Stage，每个Stage包含若干个残差块，其中第一阶段包含3个，第二阶段包括4个，第三阶段包括6个，第四阶段包括3个，这些残差块通过跳跃连接互相连接，允许网络直接学习残差映射；在每个阶段中引入Gabor滤波器特征提取网络GFSN，每个阶段包括一对不同尺度大小的滤波器，将变化前和变化后的输入图像与多个滤波器进行卷积，生成一组不同频率和方向的特征映射，考虑到每一层滤波器的大小和方向尺度，以捕获建筑物产生的重复纹理；将方向尺度设置为4，能够覆盖水平、垂直和对角线方向；滤波器尺寸最大设置为6； S3：在S2的分层编码器中引入多尺度的Gabor滤波器特征提取网络GFSN，每个阶段包括一对不同尺度的Gabor滤波器，将两张输入图像与滤波器卷积，生成不同频率和方向的特征映射，方向尺度设置为4，滤波器尺寸最大为6； S4：特征融合模块DAM将S3中GFSN提取的下采样Gabor特征映射与ResNet编码器中不同层特征相结合，选择一对Gabor特征进行映射，将GFSN中捕获图像中较大模式的低频Gabor特征与较小分辨率的ResNet特征相连接，以便保留下采样操作后的有意义的信息； S5：将S4中得到的四个阶段的融合特征图通过上采样和比值注意力模块处理，重新分配特征图权重，突出变化部分特征，最后计算两张输入图像不同层特征的差值，得到差值特征； S6：将S5中得到第一阶段~第四阶段的差值特征通过解码器融合上采样运算得到一个最终预测图，并将最终预测图作为最终的建筑物提取结果； S7：将测试集图像输入训练好的模型进行测试，得到评价指标，包括全局准确率OA、精准率Precision、召回率Recall、F1-Score和交并比Iou； 所述S2和S3中，通过特征融合模块将滤波器网络和编码器的高低频特征融合，增强上下文语义信息，解决建筑物内部空洞问题； 通过滤波器网络和ResNet编码器得到了不同的特征映射，通过特征融合模块DAM，选择将一对Gabor特征映射与ResNet不同层特征进行融合，进行融合时，选择将Gabor中捕获图像较大模块的低频特征与较小分辨率的ResNet特征相融合，以保留下采样操作后的信息； 所述S5中，比值注意力模块对两张输入图像，即不同时刻的遥感图像的特征进行比值操作，计算通过比值操作得到的特征图，即两个矩阵相除取绝对值，值范围为0~1；然后通过通道注意力和空间注意力分支重新分配权重； 通道注意力分支：1 空间注意力分支：2 其中Div1i和Div2i分别为第i层的通道和空间注意力权重，表示特征差值；Ti表示第i层的特征图；i表示当前处于第几层；Xi、Yi分别表示通过公式1和公式2之后得到的特征图； 最后融合注意力结果，增强变化特征。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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。