“场景变化检测”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果3507651个，建议您升级VIP下载更多相关专利

[发明专利]一种基于显著性检测与深度孪生神经网络的遥感影像变化检测方法-CN201911058683.5有效
发明人：谭琨;王默杨;王雪;杜培军;丁建伟 -专利权人：华东师范大学
申请日： 2019-11-01 - 公布日： 2023-07-25 - 主分类号： G06V10/46 文献下载
摘要：本发明提供了一种基于显著性检测与深度孪生神经网络的遥感影像变化检测方法，其特点是该方法包括：两时相遥感影像的预处理；对差值影像进行归一化处理；多尺度分割及合并优化；显著性检测图的获得；建立双窗口深度孪生卷积网络模型及其训练；将分割对象与像素级变化检测结果通过判定融合，最终得到变化检测结果图。本发明将深度学习成功运用到变化检测领域，减少了高分辨率影像变化检测中存在的“椒盐噪声”，有效提高了变化类型检测的精度。
一种基于显著检测深度孪生神经网络遥感影像变化方法

[发明专利]二次电池的劣化判定系统以及劣化判定方法-CN201980051850.5在审
发明人：増田重巳;辻直树 -专利权人：美蓓亚三美株式会社
申请日： 2019-08-02 - 公布日： 2021-03-19 - 主分类号： H01M10/48 文献下载
摘要：本发明提供一种劣化判定系统，包括：体积变化检测部，其用于检测锂离子电池的体积变化；容量变化检测部，其用于检测锂离子电池的容量变化；以及充电控制部，其用于控制锂离子电池的充电，充电控制部在通过体积变化检测部检测到锂离子电池的体积膨胀的状态且通过容量变化检测部未检测到锂离子电池的容量降低的状态的时候
二次电池判定系统以及方法

[发明专利]基于二值变化检测对比学习的高分辨遥感图像语义变化检测方法-CN202310203834.1在审
发明人：张艳宁;张秀伟;杨一哲;于雷;田牧;安博远;邢颖慧 -专利权人：西北工业大学
申请日： 2023-03-06 - 公布日： 2023-08-01 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及一种基于二值变化检测对比学习的高分辨遥感图像语义变化检测方法；构建了基于高分辨网络的简单可扩展的直接语义变化检测模型来进行语义变化检测，并在变化检测上对比学习损失作为监督，有效挖掘由于类别不平衡而导致的难分类样本通过半难半易的采样策略，对比损失可以指导网络为变化检测提供适当的监督，特别是更加关注难以正确分成变化类或未变化类的样本，从而提高模型的整体语义变化性能。本发明在变化区域上细节更加精确，形状更加完整，同时对语义变化类别的分类更加准确。
基于变化检测对比学习分辨遥感图像语义方法

[发明专利]尺寸度量器中的场景变化检测-CN201710431958.X有效
发明人： R.A.罗伊德;S.麦克克罗斯基 -专利权人：手持产品公司
申请日： 2017-06-09 - 公布日： 2021-06-15 - 主分类号： G01C11/04 文献下载
摘要：通过以下步骤来检测包装尺寸度量器的姿势变化：对测量平台的区域进行背景建模，并且然后确定场景中的多个点是否距背景模型的距离不同。也可以通过以下步骤来检测姿势变化：将从训练过程中拍摄的图像生成的3D容器中的支撑点的计数与后续图像中的支撑点的计数进行比较，并确定多少支撑点不同。
尺寸度量中的场景变化检测

[发明专利]场景变化检测方法及飞行装置-CN202210868213.0有效
发明人：韩少强;董立龙;杨光 -专利权人：北京微视威信息科技有限公司
申请日： 2022-07-22 - 公布日： 2023-05-30 - 主分类号： G06V20/17 文献下载
摘要：本公开涉及一种场景变化检测方法及飞行装置，该方法包括：获取飞行装置所搭载相机采集的目标场景的第一和第二图像集；分别根据两个图像集以及相机在采集图像集中场景图像时的相机参数值，对目标场景进行重建，得到两个三维场景模型；比较两个三维场景模型，得到目标场景的变化量；其中，图像集包括在不同时间点采集的第一和第二场景图像，获得相机在采集场景图像时的相机参数值，包括：根据第一场景图像，获得相机的内参数值和在第一时间点的第一外参数值；根据位姿检测装置在第一时间点采集的第一位姿数据，获得第一外参数近似值；根据第一外参数值与第一外参数近似值构建误差模型；根据误差模型和第二位姿数据，获得相机的第二外参数值。
场景变化检测方法飞行装置

[发明专利]一种图像变化检测方法、装置及计算机可读存储介质-CN202010592145.0在审
发明人：陈一彬;马子昂;卢维;殷俊;林辉 -专利权人：浙江大华技术股份有限公司
申请日： 2020-06-24 - 公布日： 2020-10-23 - 主分类号： G06T7/00 文献下载
摘要：本申请公开了一种图像变化检测方法、装置及计算机可读存储介质，该方法包括：获取训练数据集，其中，训练数据集包括多个训练样本，每个训练样本包括合成图像；构建变化检测网络，并利用训练数据集训练变化检测网络，生成变化检测模型；将第一待检测图像与第二待检测图像输入变化检测模型中，得到变化检测结果；其中，变化检测网络包括扩展路径，扩展路径包括多个上采样块，每个采样块包括反卷积层、批标准化层或第一卷积层，反卷积层用于对输入的特征图进行上采样
一种图像变化检测方法装置计算机可读存储介质

[发明专利]一种基于孪生卷积神经网络的高分遥感影像变化检测方法-CN201911258640.1在审
发明人：田青林;秦凯;陈雪娇;伊丕源;余长发 -专利权人：核工业北京地质研究院
申请日： 2019-12-10 - 公布日： 2020-05-15 - 主分类号： G06T7/00 文献下载
摘要：本发明属于光学遥感影像变化检测技术领域，具体涉及一种基于孪生卷积神经网络的高分遥感影像变化检测方法。本发明包括如下步骤：步骤1、制作样本数据集；步骤2、构建孪生卷积神经网络模型；步骤3、训练孪生卷积神经网络模型；步骤4、模型预测，输出变化检测初始结果；步骤5、初始结果后处理，得到最终变化检测结果。本发明将卷积神经网络技术运用到高分遥感影像变化检测领域，通过构建了融合高低维特征的孪生卷积神经网络逐层训练自主提取特征，避免了人工计算和特征选择过程中可能出现的信息遗漏问题，提高了变化检测精度。
一种基于孪生卷积神经网络高分遥感影像变化检测方法

[发明专利]基于邻域相似性及双窗口滤波的SAR图像变化检测方法-CN201110005216.3有效
发明人：焦李成;公茂果;付磊;马晶晶;马文萍;尚荣华;李阳阳;王桂婷;周智强;曹宇 -专利权人：西安电子科技大学
申请日： 2011-01-10 - 公布日： 2011-06-01 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于邻域相似性及双窗口滤波的SAR图像变化检测方法，属于SAR图像变化检测领域。：首先，对同一地区不同时间的两幅SAR图像进行几何校正和配准；其次，运用邻域相似性构造差异影像图，再运用双窗口滤波对差异影像图进行处理；最后，利用Ostu阈值方法对滤波后的差异影像图进行阈值处理，得到变化检测结果图本发明通过邻域相似性及双窗口滤波的变化检测方法，解决了SAR图像变化检测的差异图构造受SAR图像斑点噪声影响严重的问题，从而提高了变化检测的精度。
基于邻域相似性窗口滤波 sar 图像变化检测方法

[发明专利]遥感图像的变化检测方法、装置、电子设备及存储介质-CN202110450313.7有效
发明人：侍佼;谭春晖;雷雨;周德云;李枭扬;周颖 -专利权人：西北工业大学
申请日： 2021-04-25 - 公布日： 2023-04-07 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种遥感图像的变化检测方法、装置、电子设备及存储介质，该方法包括：获取具有不同时相的第一待处理图像和第二待处理图像；将第一待处理图像及第二待处理图像输入变化检测模型，并获得变化检测模型输出的变化检测结果；根据变化检测结果，确定第一待处理图像和第二待处理图像中的地表变化。由于变化检测模型是预先利用多个第一类训练样本，按照预设网络性能评价策略以及预设网络结构搜索策略，对每次迭代得到的网络结构进行性能评价后，选取至少部分网络结构进行交叉、变异得到的神经网络模型，因而通过网络结构搜索策略实现了自动获取可用于实现遥感图像变化检测的最优全连接网络结构
遥感图像变化检测方法装置电子设备存储介质

[发明专利]一种高分辨率遥感影像监督变化检测的方法-CN201410027081.4有效
发明人：史文中;郝明 -专利权人：武汉大学
申请日： 2014-01-21 - 公布日： 2014-04-16 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种高分辨率遥感影像监督变化检测的方法，本发明将两个不同时期影像进行叠加，视为一个时期的影像。在此基础上对叠加影像进行分割，生成具有同质区的分割图斑，同时对叠加影像根据光谱信息进行像素级分类，生成像素级变化检测结果。然后根据空间和光谱结合方法，利用投票法对分割生成的图斑和像素级变化结果行融合，得到最后变化检测结果。本发明把两期影像叠加后一次分类和空间与光谱结合理论共同引入到监督变化检测中，不但减弱了分类精度对变化检测结果的影响，同时大量去除了变化检测结果中的“椒盐”噪声。
一种高分辨率遥感影像监督变化检测方法

[发明专利]一种基于稀疏变化自注意力机制的遥感影像变化检测方法-CN202211173201.2在审
发明人：郑卓;钟燕飞;马爱龙;张良培 -专利权人：武汉大学
申请日： 2022-09-26 - 公布日： 2023-03-07 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及一种基于稀疏变化自注意力机制的遥感影像变化检测方法，用于计算、内存高效的高精度的统一变化检测。本发明结合深度学习原理、概率图理论，提出了统一的概率变化建模理论框架，对变化过程中随机变量的联合分布进行条件分解，根据不同的先验假设，可分解得到不同的因子，这些因子即深度变化检测模型架构的理论表示，进一步采用所提出的稀疏变化自注意力模块参数化这些分解因子，从而得到具体的任务自适应、计算高效的深度变化检测模型架构。本发明能够解决现有架构设计缺乏理论依据、计算复杂度高的问题，可以实现各类变化检测任务的统一处理与大规模遥感影像对的快速变化检测。
一种基于稀疏变化注意力机制遥感影像检测方法

[发明专利]基于多源目标特征支持的红外遥感图像变化检测方法-CN201210247434.2有效
发明人：江碧涛;樊彬;张秀玲;余晓刚;潘春洪;蔡琳;李京龙;胡士昌 -专利权人：北京市遥感信息研究所;中国科学院自动化研究所
申请日： 2012-07-17 - 公布日： 2012-11-21 - 主分类号： G06K9/62 文献下载
摘要：一种基于多源目标特征和机器学习的红外遥感图像变化检测方法，包括：步骤S1：对可见光遥感图像进行变化检测，得到初始检测结果；步骤S2：通过可见光和红外遥感图像配准，将可见光变化检测得到变化目标和不变化目标变换至红外遥感图像；步骤S3：提取多源目标特征；步骤S4：分别从可见光变化目标中与不变化目标中选择一部分作为正样本、从可见光不变化目标中选择一部分作为负样本，将选择的样本作为训练样本；步骤S5：训练SVM得到变化检测模型；步骤S6：进行变化检测，得到红外遥感图像变化检测结果。本发明能检测出由于地物发生变化而引起的图像变化，并检测出由于地物工作状态发生变化而引起的图像变化，稳定性高，适用范围广。
基于目标特征支持红外遥感图像变化检测方法

[发明专利]基于RBM模型的目标级遥感图像变化检测方法-CN201510512212.2有效
发明人：马文萍;焦李成;胡天妤;刘嘉;李豪;李志舟;王倩 -专利权人：西安电子科技大学
申请日： 2015-08-19 - 公布日： 2018-04-17 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于RBM模型的目标级遥感图像变化检测方法，主要针对已有变化检测方法的不足，将受限波尔兹曼机RBM与目标级遥感图像变化检测结合起来，应用到遥感图像变化检测。其实现步骤是(1)输入两幅遥感图像的灰度矩阵；(2)模糊聚类得到两幅遥感图像分割后的灰度矩阵；(3)构造待检测的对数比值差异灰度矩阵；(4)对对数比值差异灰度矩阵预分类；(5)选取训练样本；(6)训练受限波尔兹曼机RBM；(7)输出变化检测结果。本发明降低了对遥感图像配准精度的依赖性，具有良好的抗噪性，并提高了遥感图像变化检测的正确率和分类精度。
基于 rbm 模型目标遥感图像变化检测方法

[发明专利]一种电力设备表面异常变化的检测方法、装置及介质-CN202211703829.9在审
发明人：郝运河;张佩;李英杰;罗旺;蒋厚明;徐华荣;陈骏;夏源;毛进伟;朱成诚;沈忱;张盼 -专利权人：南京南瑞信息通信科技有限公司
申请日： 2022-12-29 - 公布日： 2023-06-09 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种电力设备表面异常变化的检测方法、装置及介质，其方法包括获取任一时刻电力设备的表面图像作为待检测图像；获取电力设备的基准图像；将待检测图像和基准图像输入训练好的变化检测网络模型，得到变化检测结果；其中，所述变化检测网络模型的训练包括：获取不同时刻电力设备的表面图像作为待训练图像；基于基准图像对各待训练图像进行异常变化的标注，生成标注图像集；构建基于自注意力机制的变化检测网络模型；通过标注图像集训练变化检测网络模型；本发明能够有效提升电力设备表面异常变化的检测精度，及时发现电力设备疑似故障，保障电力设备安全稳定运行。
一种电力设备表面异常变化检测方法装置介质

[发明专利]基于深度卷积神经网络的端对端高光谱图像变化检测方法-CN201810929252.0在审
发明人：王琦;李学龙;袁征航 -专利权人：西北工业大学
申请日： 2018-08-15 - 公布日： 2018-12-28 - 主分类号： G06T7/246 文献下载
摘要：本发明提供了一种基于深度卷积神经网络的端对端高光谱图像变化检测方法。对高光谱图像进行预处理，并提取所有像元的端元；然后，利用线性和非线性解混方法对高光谱图像进行混合像元分解，得到线性与非线性丰度图；接着，利用丰度图和原始像元信息计算亲和矩阵，并将其作为卷积神经网络的输入，训练得到用于变化检测的网络模型；最后，利用训练好的网络模型进行变化检测，得到最终的变化检测结果。由于亲和矩阵充分利用了高光谱图像的像元及亚像元的信息，而采用卷积神经网络进行端对端高光谱图像变化检测，将变化检测转换为简单的“变与不变”的二分类问题，可以有效地处理高光谱图像的高维信息，提高变化检测的鲁棒性和精度
变化检测高光谱图像卷积神经网络端对端矩阵网络模型丰度像元混合像元分解预处理非线性解信息计算原始像元二分类鲁棒性亚像元有效地高维转换