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！

龍圖騰網恭喜西安電子科技大學申請的專利基于混合卷積的SAR圖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：CN115761502B 。

龍圖騰網通過國家知識產權局官網在2025-05-16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：202211472616.X，技術領域涉及：G06V20/10；該發明授權基于混合卷積的SAR圖像變化檢測方法是由唐旭;李德生;馬晶晶;張向榮;焦李成設計研發完成，并于2022-11-17向國家知識產權局提交的專利申請。

本基于混合卷積的SAR圖像變化檢測方法在說明書摘要公布了：本發明公開了一種基于混合卷積的SAR圖像變化檢測方法，主要解決將現有技術難以提取圖像的全局信息，及在無標注標簽的情況下缺少可靠標簽訓練網絡的問題，其方案為：構建三通道的輸入和初始標簽；搭建由特征提取模塊、漸進式融合模塊和標簽更新模塊級聯組成的圖卷積加強卷積網絡GECN；使用三通道的輸入與標簽對GECN進行訓練；將被測試的SAR圖像輸入到訓練好的GECN得到變化檢測結果。本發明通過特征提取模塊獲取SAR圖像局部和全局信息的多尺度特征，提高了GECN網絡的特征提取能力；通過標簽更新模塊獲取更多可靠標簽訓練GECN網絡，提高了GECN網絡的泛化性能，可用于城市規劃布局、自然災害評估和軍事動態偵察。

本發明授權基于混合卷積的SAR圖像變化檢測方法在權利要求書中公布了：1.一種基于混合卷積的SAR圖像變化檢測方法，其特征在于，包括如下步驟：1構建三通道輸入與初始標簽：1a對雙時間SAR圖像采用對數比算子得到差異圖，并將該差異圖像與雙時間圖像在通道維度拼接得到三通道的輸入；1b對1a中的差異圖使用模糊聚類算法進行聚類，得到初始標簽；2搭建圖卷積加強卷積網絡GECN：2a建立包括卷積神經網絡子模塊CNNB、圖卷積神經網絡子模塊GCNB和融合子模塊組成的特征提取模塊，其中CNNB與GCNB并聯之后再與融合子模塊進行串聯；2b建立依次進行上下采樣操作、拼接操作及卷積操作的漸進式融合模塊；2c建立由預測標簽和原型標簽投票更新訓練標簽的標簽更新模塊；2d將特征提取模塊、漸進式融合模塊和標簽更新模塊串聯連接，構成圖卷積加強卷積網絡GECN；3使用三通道的輸入與標簽對GECN進行訓練：3a在初始的20個訓練批次中，將三通道的輸入送進GECN中，對GECN的輸出和初始標簽采用交叉熵損失函數，并使用梯度下降法更新GECN參數，完成GECN的預訓練；3b在隨后的50個訓練批次中，將三通道的輸入送進預訓練后的GECN中，使用標簽更新模塊更新初始標簽，對預訓練后GECN的輸出和更新后的初始標簽采用交叉熵損失函數，并使用梯度下降法進一步更新預訓練后的GECN參數，完成GECN的訓練；4將測試的SAR圖像輸入到訓練好的GECN中得到GECN輸出，對GECN的輸出使用max函數得到SAR圖像上每個像素點樣本的類別，即為最終的SAR圖像的變化檢測結果。

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西安電子科技大學，其通訊地址為：710071 陜西省西安市太白南路2號；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”。