公开(公告)号：CN117173575B

公开(公告)日：2025-05-20

申请号：CN202311196705.0

申请日：2023-09-16

Applicant: 福州大学

Inventor： 李蒙蒙 ,  楼康凯 ,  汪小钦

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/764 ,  G06N3/042 ,  G06N3/045

Abstract: 本发明提供了一种基于孪生图神经网络的城市场景变化检测方法。场景变化检测是以场景作为基本分析粒度检测双时相影像中的变化区域的方法，而本方法的核心是利用图神经网络优越的信息聚合能力和结构特征抽象能力，融合图节点的属性信息的并挖掘场景深层结构特征，解决传统方法无法充分利用影像结构信息的问题；此外还集成了注意力机制、节点特征交互模块和图特征交互模块，对提取的图级别信息做相似性建模的同时补充节点级的细粒度信息，减少了漏检和误检现象。本发明提出的孪生图神经网络扩展性较强，可以自由替换结构特征提取网络，同时支持不同属性特征的输入和比较，为高效获取遥感影像中的城市土地利用变化信息提供技术支撑。

公开(公告)号：CN117173575A

公开(公告)日：2023-12-05

申请号：CN202311196705.0

申请日：2023-09-16

Applicant: 福州大学

Inventor： 李蒙蒙 ,  楼康凯 ,  汪小钦

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/764 ,  G06N3/042 ,  G06N3/045

Abstract: 本发明提供了一种基于孪生图神经网络的城市场景变化检测方法。场景变化检测是以场景作为基本分析粒度检测双时相影像中的变化区域的方法，而本方法的核心是利用图神经网络优越的信息聚合能力和结构特征抽象能力，融合图节点的属性信息的并挖掘场景深层结构特征，解决传统方法无法充分利用影像结构信息的问题；此外还集成了注意力机制、节点特征交互模块和图特征交互模块，对提取的图级别信息做相似性建模的同时补充节点级的细粒度信息，减少了漏检和误检现象。本发明提出的孪生图神经网络扩展性较强，可以自由替换结构特征提取网络，同时支持不同属性特征的输入和比较，为高效获取遥感影像中的城市土地利用变化信息提供技术支撑。