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！

龙图腾网恭喜中北大学申请的专利基于分层次跨尺度全局特征融合深度网络的遥感图像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：CN117853897B 。

龙图腾网通过国家知识产权局官网在2025-02-18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：202311563672.9，技术领域涉及：G06F30/27；该发明授权基于分层次跨尺度全局特征融合深度网络的遥感图像变化检测方法是由王斌;姜晓虎;秦品乐;乔钢柱;曾建潮设计研发完成，并于2023-11-22向国家知识产权局提交的专利申请。

本基于分层次跨尺度全局特征融合深度网络的遥感图像变化检测方法在说明书摘要公布了：本发明涉及遥感图像变化检测领域，具体为基于分层次跨尺度全局特征融合深度网络的遥感图像变化检测方法。首先，该网络分层次提取双时相高分辨率遥感图像不同尺度信息；然后，对不同尺度特征图（如同级、邻级、全局）都分别构造差异信息增强及融合模块，强化融合网络局部特征表示能力及上下文信息关联性；最后，通过提出全过程组合损失函数监督中间特征层学习以增强各模块特征表示能力。实验证明，本文在定性、定量指标方面都取得了显著效果。

本发明授权基于分层次跨尺度全局特征融合深度网络的遥感图像变化检测方法在权利要求书中公布了：1.基于分层次跨尺度全局特征融合深度网络的遥感图像变化检测方法，其特征在于：提出一种面向遥感图像变化检测的分层多尺度深度信息提取与融合模型框架，包括一个特征提取网络和同级差异特征增强模块SLDFEM、跨尺度邻级特征融合模块CSALFFM和基于Transformer的多尺度全局特征融合模块MSGFFM；首先，将双时相遥感图像T1,T2输入框架，通过特征提取网络并行获得原始多尺度局部特征然后，将第i阶段成对特征分别输入到SLDFEM中，进一步提取其显著特征和差分特征分别为Transformer的Q、K和V，该操作形成了新的特征同时，把相邻特征张量输入到CSALFFM中进行多尺度信息聚合多尺度全局特征融合模块MSGFFM中利用Transformer解码器对上述增强的多尺度特征进行细化和解码；Transformer解码器的输出Fo便是变化检测结果的张量原型；最后，由网络检测头对Transformer解码器的输出Fo进行卷积，生成变化结果预测值PV，变化结果预测值PV再做一个二值化处理得到最终预测结果；同级差异特征增强模块SLDFEM中特征的形成过程具体为：对于第i层成对输入特征和SLDFEM将其进行级联后送入空间-通道并行注意力模块S-CPAM，S-CPAM级联和形成输入特征并通过卷积进行特征聚合；然后将卷积后的依次通过卷积、空间注意力操作和卷积得到空间相关性增强特征同时，将卷积后的通过通道注意力操作后与相乘得到输出进而得到空间、通道联合一致性特征对于分别对和进行乘法和残差连接，然后得到深度增强的相关特征和分别对和进行元素级加法和减法操作，以获得双时相图像中的显著信息和差异信息，整个注意力过程表示为：最终输出即

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北大学，其通讯地址为：030051 山西省太原市尖草坪区学院路3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”。