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

龍圖騰網獲悉湘潭大學申請的專利一種融合Mamba增強的雙流遙感影像變化檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120298906B 。

龍圖騰網通過國家知識產權局官網在2025-09-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510787795.3，技術領域涉及：G06V20/10；該發明授權一種融合Mamba增強的雙流遙感影像變化檢測方法是由周維;伍志明;任一赫;許海霞;趙思亮;張竣;顏寵設計研發完成，并于2025-06-13向國家知識產權局提交的專利申請。

本一種融合Mamba增強的雙流遙感影像變化檢測方法在說明書摘要公布了：本發明公開了一種融合Mamba增強的雙流遙感影像變化檢測方法，屬于圖像處理領域，包括以下步驟：影像采集，得到遙感影像數據集；對獲取到的雙時相遙感影像進行預處理，并劃分訓練集和測試集；設計一種融合Mamba增強的雙流變化檢測網絡模型；采用訓練集數據對構建的雙流變化檢測網絡模型進行訓練，直到整個模型收斂，并保存最優模型；將測試集數據輸入訓練好的最優模型中，預測測試集中的變化區域。本發明引入MambaBlock和語義分割聚合模塊，在線性復雜度下增強全局特征建模能力，通過融合不同層次的特征信息和多尺度特征學習，提高了變化區域的檢測精度和魯棒性。

本發明授權一種融合Mamba增強的雙流遙感影像變化檢測方法在權利要求書中公布了：1.一種融合Mamba增強的雙流遙感影像變化檢測方法，其特征在于，包括以下步驟： S1，影像采集：使用遙感影像采集設備，獲取不同時期相同區域的遙感影像，即雙時相遙感影像，得到遙感影像數據集； S2，數據預處理：對獲取到的雙時相遙感影像進行預處理，并劃分訓練集和測試集； S3，模型建立：設計一種融合Mamba增強的雙流變化檢測網絡模型RFAMNet，RFAMNet采用輕量級MobileNet作為骨干網絡，構建雙流特征預處理器LightWeightEncoder和特征增強模塊FRM，再經語義分割聚合模塊SSAM、通道交互模塊CIM和全局解碼器Decoder生成變化檢測圖，其中特征增強模塊包括Mamba序列建模，增強全局特征建模和邊緣感知處理能力，模型建立的具體過程如下： S31：構建雙流特征預處理器，將雙時相遙感影像輸入輕量級MobileNet，提取多尺度特征表示； 雙流特征預處理器經過輕量級MobileNet進行特征提取，該網絡采用權重共享機制，通過Conv3×3的卷積操作、BatchNorm歸一化、ReLU激活函數構成；MobileNet通過深度可分離卷積DSConv提取多尺度特征，輸出多尺度特征表示，，為5個不同尺度的特征，其中； S32：構建特征增強模塊，集成Mamba序列建模，動態捕獲長程依賴和邊緣感知； 將各層級特征分別輸入MambaBlock模塊，進行序列建模增強；序列化處理，將二維特征圖重排為一維序列，，，為實數域，均為維度；然后進行狀態空間建模，通過參數化狀態空間模型SSM捕獲長程依賴關系； 再將輸出序列逆映射為二維特征圖，，；通過對增強后的特征進行歸一化并與輸入殘差連接，輸出第級增強特征，將各層級增強后的特征按通道維度拼接，依次通過Conv1×1卷積和DSConv3×3深度可分離卷積，進一步融合跨尺度特征信息，將融合后的特征與目標層級原始特征進行殘差連接，最終輸出增強后的時期的第級特征，，； S33：建立語義分割聚合模塊，整合多尺度的差異特征，挖掘全局語義信息； S34：建立通道交互模塊，增強不同尺寸特征之間的交互，突出變化區域特征； S35：構建全局解碼器，恢復空間分辨率，生成變化檢測圖； S4，模型訓練：采用訓練集數據對構建的雙流變化檢測網絡模型進行訓練，直到整個模型收斂，并保存最優模型； S5，模型驗證推理：將測試集數據輸入訓練好的最優模型中，預測測試集中的變化區域，計算預測的變化區域與真實變化區域之間的交并比，并根據變化區域的所有類別進行統計，得到平均交并比，評估變化檢測的預測準確度。

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湘潭大學，其通訊地址為：411105 湖南省湘潭市西郊；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”。