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！

龙图腾网获悉中国地质大学(武汉)申请的专利高分辨率遥感影像建筑物变化检测方法、装置及电子设备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：CN116071645B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202310012707.3，技术领域涉及：G06V20/10；该发明授权高分辨率遥感影像建筑物变化检测方法、装置及电子设备是由徐旭伟;周媛;鲁谢春;陈占龙设计研发完成，并于2023-01-05向国家知识产权局提交的专利申请。

本高分辨率遥感影像建筑物变化检测方法、装置及电子设备在说明书摘要公布了：本发明公开了一种高分辨率遥感影像建筑物变化检测方法、装置及电子设备，包括获取同一地区的双时像建筑物数据集，预处理后划分为训练集、验证集和测试集，进行数据增强处理；构建编码器解码器结构的卷积神经网络FERA‑Net，编码器中包括残差注意力引导的高频特征增强模块，解码器中包括特征增强的跳跃连接模块；将训练集和验证集中的数据输入网络中，在编码器提取多层次特征，在解码器聚合全尺度信息更好的恢复特征图，设计混合损失函数优化网络训练，通过验证集验证训练结果，训练后，将测试集中的数据输入训练好的网络模型预测建筑物变化检测结果。本发明能够有效解决多尺度建筑物变化检测问题和建筑物边缘模糊问题，有效提高建筑物变化检测性能。

本发明授权高分辨率遥感影像建筑物变化检测方法、装置及电子设备在权利要求书中公布了：1.一种高分辨率遥感影像建筑物变化检测方法，其特征在于，包括以下步骤： S1：获取同一地区的双时像建筑物数据集，进行预处理后划分为训练集、验证集和测试集，并进行数据增强处理； S2：构建编码器解码器结构的卷积神经网络FERA-Net，所述FERA-Net的编码器中包括残差注意力引导的高频特征增强模块，所述FERA-Net的解码器中包括特征增强的跳跃连接模块； S3：将训练集和验证集中的数据输入FERA-Net中，分别在编码器提取多层次特征，在解码器聚合全尺度信息更好的恢复特征图，设计混合损失函数，优化网络训练，并通过验证集验证训练结果，训练完成后，获得训练好的网络模型； S4：将测试集中的数据输入训练好的网络模型来预测建筑物变化检测结果，并测试模型性能，获得模型精度评价结果； 步骤S2中，在编码器部分由多层的残差注意力引导的高频特征增强模块增强遥感图像的高频特征并挖掘多层次特征，获取低层空间信息和深层语义信息； 残差注意力引导的高频特征增强模块包括残差空间注意力特征提取阶段和通道注意力高频特征增强阶段； 残差空间注意力特征提取阶段由mask分支、trunk分支和残差单元构成，在mask分支中经过最大池化层、两个残差单元、上采样、一个BR块以及Sigmoid函数生成空间注意力掩码，在trunk分支中通过两个残差单元进行特征提取，并将mask分支生成的空间注意力掩码与trunk分支提取的特征进行逐元素相乘后与trunk分支提取的特征进行残差加法操作，以增强特征图中关键区域的信息； 在通道注意力高频特征增强阶段，通过全向Sobel算子提取遥感图像中的高频信息，通过通道注意力机制增强特征图中的高频特征； 在解码器部分，将编码器部分获得的多层特征图通过特征增强的跳跃连接模块增强特征图中的局部信息和全局信息，并通过全尺度跳跃连接聚合全尺度信息，用于特征图的恢复； 所述通过全尺度跳跃连接聚合全尺度信息，聚合全尺度信息的第i层特征图具体的计算公式如下： 其中，表示下采样层数，N表示总特征图层数，表示提取的第层双时像特征图，k=1,...,i-1，表示特征增强模块，表示下采样算子，表示激活函数和归一化函数，表述上采样算子。

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国地质大学(武汉)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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。