(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111600168.2 (22)申请日 2021.12.24 (65)同一申请的已公布的文献号 申请公布号 CN 114299001 A (43)申请公布日 2022.04.08 (73)专利权人 中国人民解 放军国防科技大 学 地址 410073 湖南省长 沙市开福区德雅路 109号 (72)发明人 雷琳　孙玉立　熊博莅　孙浩　 计科峰　冷祥光　 (74)专利代理 机构 长沙国科天河知识产权代理 有限公司 432 25 专利代理师 唐品利 (51)Int.Cl. G06T 7/00(2017.01)G06V 10/778(2022.01) G06V 10/74(2022.01) G06N 20/00(2019.01) G06F 17/16(2006.01) 审查员 沈晴 (54)发明名称 基于结构循环一致性的异源图像变化检测 方法及装置 (57)摘要 本申请涉及一种基于结构循环一致性的异 源图像变化检测方法、 装置、 计算机设备和存储 介质。 所述方法包括： 将事件前图像和事件后图 像输入预先构建的初始图像回归模 型， 得到事件 前图像特征矩阵和事件后图像特征矩阵； 根据事 件前图像特征矩阵和事件前图像的自适应图， 进 行前向变换， 得到前向回归后特征矩阵； 根据前 向回归后特征矩 阵以及前向回归后图像的自适 应图， 进行循环变换， 得到循环回归后特征矩阵； 将前向回归后特征矩 阵与事件后图像特征矩 阵 求差， 得到差异矩阵。 采用本方法能够提高异源 图像变化检测准确率。 权利要求书4页 说明书15页 附图2页 CN 114299001 B 2022.09.23 CN 114299001 B 1.一种基于结构循环一 致性的异源图像 变化检测方法， 其特 征在于， 所述方法包括： 将事件前图像和事件后图像输入预先构建的初始图像回归模型， 得到事件前图像特征 矩阵和事 件后图像特 征矩阵； 根据所述事 件前图像特 征矩阵， 进行自适应图学习， 得到事 件前图像的自适应图； 根据所述事件前图像特征矩阵和所述事件前图像的自适应图， 进行前向变换， 得到前 向回归后特征矩阵； 所述事件前图像特征矩阵、 事件前图像的自适应图、 前向回归后特征矩 阵以及前向回归后图像的自适应图满足前向变换 条件； 根据所述前向回归后特征矩阵以及前向回归后图像的自适应图， 进行循环变换， 得到 循环回归后特征矩阵； 所述事件前图像特征矩阵和所述循环回归后特征矩阵满足循环一致 性； 将所述前向回归后特征矩阵与所述事件后图像特征矩阵求差， 得到差异矩阵； 其中， 所 述差异矩阵满足稀疏正则化条件； 根据所述前向变换条件、 所述循环一致性以及所述稀疏正则化条件， 构建最终图像回 归模型， 通过求 解所述最终图像回归 模型得到所述差异 矩阵。 2.根据权利要求1所述的方法， 其特征在于， 根据所述事件前图像特征矩阵， 进行自适 应图学习， 得到事 件前图像的自适应图的步骤 包括： 根据自适应K选择策略和自适应加权距离算法对所述事件前图像特征矩阵进行计算， 得到事件前图像的自适应图， 如下式所示： 其中， X表示事件前图像特征矩阵， SX表示事件前图像的自适应图， wX表示事件前图像特 征矩阵的权重向量,N表示事件前特征矩阵中的超像素个数， M表示超像素的特征个数， i， j 表示超像素的序号， 表示事件前图像 特征矩阵第m个 特征的权重， 表示事件前图像特征矩阵中第i个超像素的第m个特征到第 j个超像素的第m个特征的距离， 表示l2范数， 表示事件前图像自适应图中的第i个超像素到第j个超 像素边的权重， αi表示自适应K选择 策略调节参数， s.t.表示约束条件， η表示调优参数。 3.根据权利要求2所述的方法， 其特征在于， 所述事件前图像特征矩阵、 事件前图像的 自适应图、 前向回归后特 征矩阵以及前向回归后图像的自适应图满足前向变换 条件为： 权　利　要　求　书 1/4 页 2 CN 114299001 B 2其中， 表示前向回归后图像的自适应 图， 表示前向回归后特征矩阵的权重向 量， N表示超像素个数， M表示超像素的特征个数， m表示特征序号， 表示前向回归后特征 矩阵， 表示前向回归后特征矩阵中第m个特征的权重， 表 示前向回归后特征矩阵中第i个超像素的第m个特征到第j个超像素的第m个特征的距离， 表示前向回归后特征矩阵中第i个超像素的第m个特征， 表示前向回归后特征 矩阵中第j个超像素的第m个特征， 表示事件前图像特征矩阵中第m个特征的权重， 表示l2范数， s.t.表示约束条件， 表示前向回归后图像的自适应图中第i个超像素 到第j个超像素边的权 重， η表示调优参数， αi表示K选择调节参数。 4.根据权利要求3所述的方法， 其特征在于， 所述事件前图像特征矩阵和所述循环回归 后特征矩阵满足循环一 致性为： 其中， 表示循环回归后特征矩阵中的第i个超像素 的第m个特征到第j个超像素的第m个特征的距离， 表示循环回归后特征矩阵， γ表示循 环调优参数， X(m)表示事件前图像的第m个特征矩阵， 表示循环回归后图像的第m个特 征矩阵， 表示前向回归后图像的自适应图中第i个超像素到第j个超像素边的权 重。 5.根据权利要求 4所述的方法， 其特 征在于， 所述差异 矩阵满足稀疏正则化条件为： 其中， λ表示惩罚参数， ||  ||2,1表示l2,1范数， Δ(m)表示差异图像的第m个特征矩阵， 表示前向回归后图像的第m个特 征矩阵,Y(m)表示事件后图像的第m个特 征矩阵。 6.根据权利要求5所述的方法， 其特征在于， 根据所述前向变换条件、 所述循环一致性 以及所述稀疏正则化条件， 构建最终图像回归 模型为：权　利　要　求　书 2/4 页 3 CN 114299001 B 3