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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于图结构学习的无监督异源变化检测方法及装置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：CN116740357B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202310729397.7，技术领域涉及：G06V10/26；该发明授权基于图结构学习的无监督异源变化检测方法及装置是由雷琳;肖阔炜;孙玉立;熊博莅;匡纲要设计研发完成，并于2023-06-19向国家知识产权局提交的专利申请。

本基于图结构学习的无监督异源变化检测方法及装置在说明书摘要公布了：本申请涉及一种基于图结构学习的无监督异源变化检测方法及装置。所述方法包括：根据预先设置的重建损失函数、变化对齐损失函数和稀疏损失函数对图自编码器的训练过程进行约束，得到训练好的图自编码器；利用训练好的图自编码器对事件前图像和事件后图像的初始邻接矩阵进行图结构学习，得到优化后的事件前域中的后向结构差异向量和事件后域中的前向结构差异向量；根据优化后的事件前域中的后向结构差异向量和事件后域中的前向结构差异向量生成前向差异图像和后向差异图像；将前向差异图像和后向差异图像进行融合和分割，得到二值变化图像；二值变化图像为异源变化检测结果。采用本方法能够提高异源遥感图像变化检测准确率。

本发明授权基于图结构学习的无监督异源变化检测方法及装置在权利要求书中公布了：1.一种基于图结构学习的无监督异源变化检测方法，其特征在于，所述方法包括： 获取待检测的事件前图像和事件后图像； 根据简单线性迭代聚类算法对事件前图像和事件后图像进行协同分割，得到相同的事件前图像和事件后图像的超像素分割结果； 在所述超像素分割结果中提取超像素的均值方差作为超像素的特征构建初始特征矩阵； 利用KNN算法对所述事件前图像和事件后图像的超像素分割结果进行计算得到事件前图像和事件后图像的初始邻接矩阵； 根据图自编码器对所述初始邻接矩阵和初始特征矩阵进行图结构学习，得到隐含层的特征矩阵和新的邻接矩阵；利用结构一致性原则对事件前图像和事件后图像的隐含层的特征矩阵和新的邻接矩阵进行一致性计算，得到事件前域中的后向结构差异向量和事件后域中的前向结构差异向量； 根据预先设置的重建损失函数、变化对齐损失函数和稀疏损失函数对所述图自编码器进行训练，得到训练好的图自编码器； 利用训练好的图自编码器对所述事件前图像和事件后图像的初始邻接矩阵进行图结构学习，得到优化后的事件前域中的后向结构差异向量和事件后域中的前向结构差异向量； 根据所述优化后的事件前域中的后向结构差异向量和事件后域中的前向结构差异向量生成前向差异图像和后向差异图像； 将所述前向差异图像和后向差异图像进行融合，得到最终的差异图像； 对差异图像进行Otsu阈值分割来得到二值变化图像；所述二值变化图为异源变化检测结果。

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国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。