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

龍圖騰網(wǎng)獲悉西安電子科技大學(xué)申請的專利基于定點(diǎn)數(shù)量化的遙感圖像變化檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116189008B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-05發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202310202156.7，技術(shù)領(lǐng)域涉及：G06V20/13；該發(fā)明授權(quán)基于定點(diǎn)數(shù)量化的遙感圖像變化檢測方法是由謝衛(wèi)瑩;陳曉鈺;谷怡潔;馬紀(jì)濤;李云松;方樂緣設(shè)計研發(fā)完成，并于2023-03-06向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于定點(diǎn)數(shù)量化的遙感圖像變化檢測方法在說明書摘要公布了：本發(fā)明提出了一種定點(diǎn)數(shù)量化的遙感圖像變化檢測方法，主要解決現(xiàn)有技術(shù)缺乏對邊界信息考慮，損失函數(shù)缺乏對變化圖像對的重視，以及計算緩慢的問題。其實現(xiàn)方案為：獲取遙感圖像對其進(jìn)行均值減法和歸一化預(yù)處理，并劃分訓(xùn)練集和測試集；基于現(xiàn)有卷積層，設(shè)計包含量化位寬和批量標(biāo)準(zhǔn)化層的參數(shù)構(gòu)成定點(diǎn)量化卷積層；使用定點(diǎn)量化卷積層構(gòu)建遙感變化檢測模型；對定點(diǎn)量化變化檢測模型進(jìn)行訓(xùn)練；利用訓(xùn)練好的定點(diǎn)量化變化檢測網(wǎng)絡(luò)，得到圖像分類結(jié)果。本發(fā)明通過構(gòu)建新的遙感變化檢測模型，有效地提高了圖像變化檢測結(jié)果的準(zhǔn)確性，同時通過設(shè)計定點(diǎn)量化卷積層，減少了網(wǎng)絡(luò)中運(yùn)算所需的時間，可應(yīng)用于植被覆蓋分析、城市規(guī)劃、土地資源管理及災(zāi)害評估。

本發(fā)明授權(quán)基于定點(diǎn)數(shù)量化的遙感圖像變化檢測方法在權(quán)利要求書中公布了：1.一種基于定點(diǎn)數(shù)量化的遙感圖像變化檢測方法，其特征在于，包括如下步驟： 1獲取遙感圖像，并對其進(jìn)行均值減法和線性歸一化的預(yù)處理，再將預(yù)處理后的數(shù)據(jù)按10：1比例劃分為變化檢測訓(xùn)練集和測試集； 2基于現(xiàn)有卷積層，設(shè)計包含量化位寬和批量標(biāo)準(zhǔn)化層的參數(shù)，構(gòu)成定點(diǎn)量化卷積層： 2a設(shè)置預(yù)設(shè)參數(shù),根據(jù)該參數(shù)確定量化位寬： 如果預(yù)設(shè)參數(shù)中有量化位寬參數(shù)，則采用預(yù)設(shè)值作為量化位寬參數(shù)； 如果預(yù)設(shè)參數(shù)中無量化位寬參數(shù)，則計算不同位寬下量化前后的神經(jīng)網(wǎng)絡(luò)參數(shù)的均方誤差，將均方誤差最小的位寬作為量化位寬參數(shù)； 2b通過第一次前向傳播確定批量標(biāo)準(zhǔn)化層的參數(shù)： 在第一次前向傳播計算中，使用量化位寬參數(shù)對卷積層的輸入進(jìn)行量化，并將量化后的卷積層輸入與浮點(diǎn)值權(quán)重進(jìn)行卷積計算，得到批量標(biāo)準(zhǔn)化層的比例參數(shù)，且不需要進(jìn)行反向傳播計算； 2c計算卷積層輸出： 在第二次前向傳播計算中，使用量化位寬參數(shù)對卷積層的輸入與權(quán)重進(jìn)行量化，將量化后的卷積層輸入與量化后的卷積層權(quán)重進(jìn)行卷積計算，并將該卷積計算的結(jié)果作為卷積層的輸出，再正常進(jìn)行反向傳播； 3使用定點(diǎn)量化卷積層構(gòu)建遙感變化檢測模型： 3a搭建分別由第一定點(diǎn)量化卷積層，第一ReLU激活層，第二定點(diǎn)量化卷積層，第二ReLU激活層和最大池化層依次級聯(lián)組成的第一卷積模塊和第二卷積模塊； 3b搭建分別由第1定點(diǎn)量化卷積層，第1ReLU激活層，第2定點(diǎn)量化卷積層，第2ReLU激活層，第3定點(diǎn)量化卷積層，第3ReLU激活層和最大池化層依次級聯(lián)組成的第三卷積模塊和第四卷積模塊； 3c搭建由第Ⅰ定點(diǎn)量化卷積層，第ⅠReLU激活層，第Ⅱ定點(diǎn)量化卷積層，第ⅡReLU激活層，第Ⅲ定點(diǎn)量化卷積層和第ⅢReLU激活層依次級聯(lián)組成的第五卷積模塊； 3d搭建由第一反卷積層，第一批量標(biāo)準(zhǔn)化層，第一ReLU激活層，第二反卷積層，第二批量標(biāo)準(zhǔn)化層，第二ReLU激活層和定點(diǎn)量化卷積層依次級聯(lián)組成的孿生網(wǎng)絡(luò)尾部卷積模塊； 3e搭建分別由第1定點(diǎn)量化卷積層，第1批量標(biāo)準(zhǔn)化層，第1ReLU激活層，第2定點(diǎn)量化卷積層，第2批量標(biāo)準(zhǔn)化層和第2ReLU激活層依次級聯(lián)組成的五個邊界提取模塊和一個邊界提取網(wǎng)絡(luò)尾部卷積模塊； 3f搭建由反卷積層，批量標(biāo)準(zhǔn)化層，ReLU激活層和定點(diǎn)量化卷積層依次級聯(lián)組成的通道融合卷積模塊； 3h將第一卷積模塊，第二卷積模塊，第三卷積模塊，第四卷積模塊，第五卷積模塊與現(xiàn)有的圖像塊級的二階非局部模塊依次級聯(lián)，構(gòu)成孿生分支，將兩個孿生分支并聯(lián)，并在其后連接孿生網(wǎng)絡(luò)尾部卷積模塊，構(gòu)成孿生網(wǎng)絡(luò)； 3i將第一邊界提取模塊，第二邊界提取模塊，第三邊界提取模塊，第四邊界提取模塊和第五邊界提取模塊并聯(lián)，并在其后連接邊界提取網(wǎng)絡(luò)尾部卷積模塊，構(gòu)成邊界提取網(wǎng)絡(luò)； 3j將孿生網(wǎng)絡(luò)與邊界提取網(wǎng)絡(luò)并聯(lián)，并在其后連接通道融合卷積模塊，構(gòu)成定點(diǎn)量化變化檢測網(wǎng)絡(luò)； 4對定點(diǎn)量化變化檢測網(wǎng)絡(luò)進(jìn)行訓(xùn)練： 4a設(shè)計網(wǎng)絡(luò)損失函數(shù)Lsum，包括孿生網(wǎng)絡(luò)相對損失Lcl與邊界損失Ledge兩部分，表示為：Lsum＝Lcl+Ledge； 4b將訓(xùn)練集輸入到定點(diǎn)量化變化檢測網(wǎng)絡(luò)中，使用Adam優(yōu)化算法，迭代地更新網(wǎng)絡(luò)權(quán)重值，直到損失函數(shù)Lsum收斂為止，得到訓(xùn)練好的定點(diǎn)量化變化檢測網(wǎng)絡(luò)； 5將測試集輸入到訓(xùn)練好的定點(diǎn)量化變化檢測網(wǎng)絡(luò)中，得到網(wǎng)絡(luò)的輸出結(jié)果，對輸出結(jié)果通過預(yù)先設(shè)定的閾值比較劃分為變化與不變化兩類。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西安電子科技大學(xué)，其通訊地址為：710071 陜西省西安市雁塔區(qū)太白南路2號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。