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！

龙图腾网获悉四川大学申请的专利一种基于语言引导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：CN119169449B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411032328.1，技术领域涉及：G06V20/10；该发明授权一种基于语言引导的遥感图像变化检测方法是由朱敏;刘翼逍;程俊龙设计研发完成，并于2024-07-30向国家知识产权局提交的专利申请。

本一种基于语言引导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，公开了一种基于语言引导的遥感图像变化检测方法。采用EfficientSAM作为视觉基础模型，提取两时相的遥感图像语义特征图，构建多层适配器，提取两时相多尺度特征图；构建空间注意力，提取视觉特征；通过文本编码器处理输入的文本描述，得到词嵌入以及总体表达嵌入；采用多头交叉注意力的方法，构建预融合模块，用于词嵌入和拼接后多层特征图的融合操作；构建双通道解码器结构，将获得的图像特征与语义嵌入进行相似度计算，输出最终的变化检测掩码。本发明通过设计多层的视觉‑语言特征交叉层，使模型充分学习图像与对应类型文本的相关信息，实现以自然语言为引导，能够对多类别遥感图像变化的通用检测。

本发明授权一种基于语言引导的遥感图像变化检测方法在权利要求书中公布了：1.一种基于语言引导的遥感图像变化检测方法，其特征在于，包括如下步骤： 步骤1：收集公开的遥感图像变化检测数据集，并对数据集进行预处理； 步骤2：从预处理后的遥感图像变化检测数据集中选取两个时相对应的遥感变化检测图像，采用Efficient SAM作为视觉基础模型，提取两时相的遥感图像语义特征图； 步骤3：构建多层适配器，根据所述两时相的遥感图像语义特征图提取两时相多尺度特征图； 步骤4：构建空间注意力，根据所述两时相多尺度特征图进一步挖掘层遥感图像对应各个尺度的经过全局特征学习后的视觉特征，即全局空间特征图，不同尺度的全局空间特征图拼接成多层全局空间特征图； 步骤5：利用图像‑自然语言模型CLIP中预训练的文本编码器处理输入的跟训练样本相应的文本提示，得到词嵌入以及总体表达嵌入； 步骤6：采用多头交叉注意力的方法，构建预融合模块，用于词嵌入和拼接后的多层全局空间特征图的融合操作，得到融合了语义特征的激活视觉特征； 步骤7：构建双通道解码器结构，包括视觉通路解码器和语义通路解码器；输入融合了语义特征的激活视觉特征，经过视觉通路解码器后输出总视觉特征，经过语义通路解码器后输出语义嵌入；将总视觉特征和语义嵌入进行相似度计算，并通过插值和二值化操作，输出最终的变化检测掩码； 所述步骤3中多层适配器包括四个参数不同结构相同的多层卷积与反卷积层，分别命名为Adapter4、Adapter8、Adapter16、Adapter32，用于抽取图像不同细粒度的特征；设置Adapter4和Adapter8用于上采样，即将特征图的分辨率提升，同时调整通道数；Adapter16在不改变分辨率的情况下调整特征维度；Adapter32增加通道数，并通过步长为2的反卷积操作减小空间分辨率； 多尺度特征学习过程如下： 两个时相的遥感图像语义特征图fv1和fv2分别经过四次适配操作后得到下采样32倍、16倍、8倍和4倍的多尺度特征图，对于单张特征图fvk，k＝1,2，其第i层输出由如下公式表示： 其中，Conv表示1*1的卷积层，BN表示批量归一化操作，γ表示RELU激活函数，Downsample表示由卷积层构成的下采样操作；为第k个时相第i层经过下采样后特征图； 为经过适配操作的最终的多尺度特征图。

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四川大学，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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”。

以上内容由龙图腾AI智能生成。