(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210998313.5 (22)申请日 2022.08.19 (71)申请人 中科云遥 （深圳） 科技有限公司 地址 518000 广东省深圳市南 山区招商街 道沿山社区南海 大道1029号万融大厦 B座301A (72)发明人 杜子聪　司艳红　魏俊彪　 (74)专利代理 机构 深圳卓正专利代理事务所 (普通合伙) 44388 专利代理师 万正平 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/26(2022.01)G06V 10/77(2022.01) G06V 10/80(2022.01) G06V 20/13(2022.01) (54)发明名称 基于剖分网格图像多层级特征融合的变化 检测方法及系统 (57)摘要 本发明提供了基于剖分网格图像多层级特 征融合的变化检测方法及系统， 包括以下步骤： S1、 获取待检测区域不同时相的影像； S2、 训练用 于根据影像尺寸不同的特征提取模型以及剖分 影像的网格模型； S3、 对当前影像进行网格剖分， 生成多个具有唯一网格码的网格单元； S4、 生成0 变化矩阵， 提取不同时相的若干影像特征； 本发 明以变化矩阵为基底可有效融合多层级多模型， 根据不同图像的分片大小自适配模 型选型， 大尺 寸图像选用有效感受野较大的CNN模型， 小尺寸 图像选用光谱差异分析或直方图差异算法， 将提 取得到的特征值通过网格码与变化矩 阵的位置 映射， 将特征值叠加到变化矩阵的区域块中， 实 现多层级 多模型的有效融合。 权利要求书2页 说明书9页 附图6页 CN 115239698 A 2022.10.25 CN 115239698 A 1.基于剖分网格图像多层级特 征融合的变化检测方法， 其特 征在于， 包括以下步骤： S1、 获取待检测区域 不同时相的影 像； S2、 训练用于根据影 像尺寸不同的特 征提取模型以及剖分影 像的网格模型； S3、 对当前影 像进行网格剖分， 生成多个具有唯一网格码的网格单 元； S4、 生成0变化矩阵， 提取不同时相的若干影 像特征； S5、 将影像导入特 征提取模型， 判定当前待检测区域影 像所需剖分的网格模型； S6、 将提取得到的特征值通过网格码与变化矩阵的位置映射， 将特征值叠加到变化矩 阵的区域 块中， 实现多层级 多模型的有效融合。 2.根据权利要求1所述的基于剖分网格图像多层级特征融合的变化检测方法， 其特征 在于： 所述特 征提取模型包括CN N特征提取模型和变化差异提取模型； 所述特征提取模型提取时， 每 个层级网格的面片大小自定义设置； 所述CNN特征提取模型用于对大尺寸图像进行 特征提取； 所述变化差异提取模型用于对小尺寸图像进行变化差异提取， 所述变化差异提取模型 对图像进行提取时， 采用光谱差异或直方图中的任意 一种方式进行变化差异提取。 3.根据权利要求1所述的基于剖分网格图像多层级特征融合的变化检测方法， 其特征 在于： 所述待检测区域影 像通过网格模型进行影 像剖分时， 包括以下步骤： S31、 通过编码单 元对当前影 像进行网格剖分， 生成多个具有唯一网格码的网格单 元； S32、 初始化任务栈： 获取影 像最小外包矩形对应面片的网格集； S33、 计算变化矩阵大小， 生成0变化矩阵； S34、 指定结束层级。 4.根据权利要求1所述的基于剖分网格图像多层级特征融合的变化检测方法， 其特征 在于： 所述影 像特征进行特征提取时， 包括以下步骤： S41、 从任务栈中逐个提取网格码， 获取网格码对应区域影 像； S42、 计算两个不同时相的若干影 像特征； S43、 多模型混合计算影 像特征值。 5.根据权利要求4所述的基于剖分网格图像多层级特征融合的变化检测方法， 其特征 在于： 所述特 征提取完毕后， 还 包括更新变化矩阵步骤， 其中， 变化矩阵更新包括以下步骤： S51、 影像特征值混合计算完毕后， 网格码映射到变化矩阵中所在区域， 对特征值加权 求和； S52、 判断是否 到达结束层级： 若是： 进入步骤S5 3； 若否： 进入步骤S54； S53、 子一层级网格码入 任务栈， 当前网格码出任务栈， 并返回步骤S41； S54、 当前网格码出任务栈； S55、 判断任务栈是否为空： 若否： 进入步骤S41； 若是： 进入下一 步骤。 6.根据权利要求5所述的基于剖分网格图像多层级特征融合的变化检测方法， 其特征 在于： 所述变化矩阵更新结束后， 还 包括阈值分割， 阈值分割包括 根据变化矩阵分割图像。权　利　要　求　书 1/2 页 2 CN 115239698 A 27.根据权利要求2所述的基于剖分网格图像多层级特征融合的变化检测方法， 其特征 在于： 所述特 征提取模型进行 特征提取时， 采用以下公式： f3(g)＝P(g) 其中： g是网格码， g1、 g2是该网格码的两个不同时相的影像， f1是至少两种以上CNN卷积 神经网络模型判断g1、 g2类别的置信度， f2是结合至少2种以上传统图像处理算法计算g1、 g2 的特征相似度， w是特征系数权重， similarity是相似度特征值， confi dence是神经网络判 断网格类型置信度； f3是从其他数据源获取到的该网格码可能发生变化的概 率； 当图像属于大尺寸图像时， 使用卷积神经网络f1来进行特征提取； 当图像属于小尺寸图像时， 使用传统视 觉算法f2来进行特征提取； 辅助修正识别结果时， 使用先验知识f3辅助修正识别结果。 8.一种根据权利要求1 ‑7任意一项权利要求所述的基于剖分网格图像多层级特征融合 的变化检测系统， 其特 征在于， 包括： 获取模块， 所述获取模块用于获取待检测区域 不同时相的影 像； 编码模块， 所述编码模块用于对当前影像进行网格剖分， 并生成多个具有唯一网格码 的网格单 元； 识别模块， 所述识别模块用于识别当前影像的尺寸信息， 并根据影像尺寸信息选择不 同特征提取模型进行 特征提取； 提取模块， 所述 提取模块用于提取不同时相的若干影 像特征； 检测模块， 所述检测模块用于将提取得到的特征值通过网格码与变化矩阵的位置映 射， 将特征值叠加到变化矩阵的区域 块中， 实现多层级 多模型的有效融合。权　利　要　求　书 2/2 页 3 CN 115239698 A 3