買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網恭喜核工業(yè)北京地質研究院申請的專利基于耦合判別特征自學習網絡的遙感圖像變化檢測方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN112529837B 。

龍圖騰網通過國家知識產權局官網在2025-04-15發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202011216694.4，技術領域涉及：G06V10/82；該發(fā)明授權基于耦合判別特征自學習網絡的遙感圖像變化檢測方法是由秦凱;陳璞花;朱玲;孫杰;楊越超;崔鑫;李明設計研發(fā)完成，并于2020-11-04向國家知識產權局提交的專利申請。

本基于耦合判別特征自學習網絡的遙感圖像變化檢測方法在說明書摘要公布了：本發(fā)明提出了基于耦合判別特征自學習網絡的遙感圖像變化檢測方法。該方法主要設計了耦合判別特征自學習網絡，該網絡通過兩個子網絡分別對待檢測圖像進行特征提取，所建立的耦合訓練模型可得到耦合特征空間，該空間中特征的判別能力將增強，有助于生成更加分明的差異圖，得到準確的變化檢測結果。該方法不需要標簽數據，并且不受數據類型的限制，具有廣闊應用空間。該方法的有效性在公開數據集上進行了驗證。

本發(fā)明授權基于耦合判別特征自學習網絡的遙感圖像變化檢測方法在權利要求書中公布了：1.基于耦合判別特征自學習網絡的遙感圖像變化檢測方法，其特征在于，包括以下步驟：步驟一：建立網絡結構模型，包含兩個子網絡：G網絡和F網絡；G網絡層數為lG,第i層神經元的個數為F網絡層數為lF,第i層神經元的個數為滿足條件所述步驟一中：建立網絡結構模型,還包括如下具體步驟：所述G網絡和F網絡的結構為典型全連接網絡，網絡的輸入端為遙感圖像的各個像素的原始特征，使用像素周圍局部區(qū)域的像素作為原始特征p,p∈Rs×1，該特征就包含了中心像素的局部鄰域信息；G網絡輸出和F網絡輸出分別由如下式1、2表示： 其中，I1和I2為待檢測的兩幅遙感圖像，每幅遙感圖像的尺寸均為M×N，其中，M為遙感圖像寬度，N為遙感圖像高度；g·和f·表示G網絡和F網絡的映射函數，包含的參數分別為WG,θG和WF,θF，其中W表示網絡的權重，θ表示網絡偏置；G網絡和F網絡的網絡層數及每層的節(jié)點數可進行調節(jié)，但必須滿足網絡輸出Out_G和網絡輸出Out_F的維度一致，通過定義網絡輸出Out_G和網絡Out_F之間的關系，實現兩個網絡的耦合自學習；步驟二：設計耦合判別特征自學習網絡的目標函數，實現判別特征的自學習過程；所述步驟二設計耦合判別特征自學習網絡的目標函數，實現判別特征的自學習過程，還包括如下具體步驟：使用一個目標函數作為兩個網絡耦合學習的最終目標函數，目標函數如下式34： 0≤Sx,y≤1…………………4其中，和分別是輸入圖像I1和I2預處理后的特征圖像；Sx,y是用于表示像素未變化概率，數值接近1表示和是未變化的概率較大，數值接近0表示像素是變化的概率較大；x、y分別表示像素點在特征圖像上的坐標；步驟三：耦合判別特征自學習網絡的訓練過程；步驟3.1：數據預處理；步驟3.2：網絡初始化；步驟3.3：初始化矩陣S；步驟3.4：交替優(yōu)化網絡參數；步驟3.5：更新矩陣S；步驟3.6：待目標函數收斂，或達到最高迭代次數，優(yōu)化過程結束；所述步驟3.1數據預處理，還包括：將待檢測圖像對每個像素位置進行特征抽取，使用3×3、5×5或7×7的窗口滑窗進行，將窗口內的圖像塊轉化為列向量，作為中心像素的特征向量；步驟3.2網絡初始化包括：使用自編碼器網絡訓練方式進行網絡預訓練，完成初始化過程；對G網絡使用待測圖像I1中隨機抽取的50％的數據進行訓練，對F網絡使用待測圖像I2中隨機抽取的50％的數據進行訓練；步驟3.3初始化矩陣S，包括：使用隨機初始化生成初始化的像素未變化矩陣S，初始化矩陣元素在[0,1]，滿足高斯分布；步驟3.4交替優(yōu)化網絡參數,包括：通過交替優(yōu)化對耦合判別特征學習網絡進行訓練；交替優(yōu)化耦合判別特征學習網絡訓練分為三步：步驟3.4.1：F網路的映射函數f·不變，訓練G網絡的映射函數g·，利用反向傳播方法更新G網絡中的參數，獲得訓練好的網絡映射函數g·，目標函數如下式5： 步驟3.4.2：G網絡的映射函數g·不變，訓練F網路的映射函數f·，利用反向傳播方法更新網絡F中的參數，獲得訓練好的網絡映射函數f·，目標函數如下式6： 網絡訓練方法使用反向傳播方法,在像素未變化概率Sx,y的控制下，進行誤差反向傳播，更新參數，最小化公式5和公式6；步驟3.5：給定g·和f·，更新像素未變化矩陣S包括：根據式7計算S中的各個元素；在g·和f·給定的情況下，得到待檢測圖像的特征表示，Sx,y代表x,y位置的像素為非變化像素的概率，應與該位置像素特征的差值程反比的關系；在此基礎上，通過公式7更新像素未變化矩陣S： 步驟3.6：待目標函數收斂，或達到最高迭代次數，該優(yōu)化過程結束，判斷條件如下所示：判斷條件1：連續(xù)20次迭代目標函數值的變化不超過0.001；判斷條件2：迭代次數大于最大迭代次數MaxIter，MaxIter＝2000；若滿足上述一種停止條件，則進行步驟四，若不滿足停止條件，返回步驟3.4，繼續(xù)訓練過程；步驟四：計算差異圖；步驟五：生成變化檢測結果圖。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人核工業(yè)北京地質研究院，其通訊地址為：100029 北京市朝陽區(qū)小關東里十號院；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。