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！

龙图腾网获悉西北工业大学申请的专利基于噪声自适应和上下文感知的遥感图像小目标检测方法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：CN116883872B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202310784167.0，技术领域涉及：G06V20/17；该发明授权基于噪声自适应和上下文感知的遥感图像小目标检测方法是由袁媛;赵毅茹;马单丹设计研发完成，并于2023-06-29向国家知识产权局提交的专利申请。

本基于噪声自适应和上下文感知的遥感图像小目标检测方法在说明书摘要公布了：本发明提供了一种基于噪声自适应和上下文感知的遥感图像小目标检测方法。主要包括卷积特征提取、上下文感知的多尺度特征获取、噪声自适应的候选边界框获取、位置修正的候选区域特征提取、目标识别和位置回归等过程。本发明在现有基于深度学习的两阶段检测框架基础上增加噪声自适应、上下文感知和位置修正处理，能够有效缓解小目标检测中的偏移敏感问题，显著提高小目标检测精度。

本发明授权基于噪声自适应和上下文感知的遥感图像小目标检测方法在权利要求书中公布了：1.一种基于噪声自适应和上下文感知的遥感图像小目标检测方法，其特征在于步骤如下： 步骤1，提取卷积特征图：采用卷积神经网络对输入图像进行特征提取，输出不同尺度的卷积特征图； 步骤2，获取特征金字塔：对于步骤1得到的不同分辨率的卷积特征图，由最低分辨率的特征图开始，将其上采样到与高一级分辨率的特征图相同的尺寸后，再将二者进行融合，得到一层金字塔特征，如此直至最高分辨率特征图，完成金字塔特征构建； 步骤3，获取上下文感知的多尺度特征：将步骤2得到的金字塔特征的中间分辨率的特征层输入到上下文感知模块，输出得到上下文感知的多尺度特征；所述的上下文感知模块为由四组密集连接的具有不同扩张率的扩张卷积构成的网络，其中，扩张卷积通过在标准的卷积核中注入空洞得到，密集连接是指当前组及之前所有组的扩张卷积的输出相加后作为下一组扩张卷积的输入； 步骤4，获取噪声自适应的候选边界框：采用区域候选网络对输入图像进行目标候选区域提取，得到目标候选区域边界框，设目标候选区域边界框的标签为xc,yc,w,h，其中，xc,yc表示边界框中心点的坐标，w表示边界框的宽度，h表示边界框的高度；采用噪声自适应方法将目标候选区域边界框扩大k倍，得到扩展后的目标候选区域边界框，扩展后的候选区域边界框的标签为xc,yc,kw,kh；其中，k的取值范围为1.5～4； 步骤5，获取位置修正的候选区域特征图：首先，根据步骤4得到的候选区域边界框在步骤3输出的上下文感知的多尺度特征中截取相应区域，得到候选区域的卷积特征，然后，通过池化操作将候选区域特征缩放到7×7的固定尺寸，得到候选区域特征图，最后，利用位置修正模块进行空间位置校正； 所述的利用位置修正模块进行空间位置校正的具体过程为：首先，采用1×1卷积分别从x方向与y方向对候选区域特征图进行增强，得到两个方向上的注意力映射图Mx和My，Mx表示x方向的注意力映射图，My表示y方向的注意力映射图；然后，将候选区域特征图与注意力映射图进行逐像素相乘，得到两个三维特征图，并分别采用1×1卷积对三维特征图进行通道维度压缩，得到两个二维特征图；再分别采用全局最大池化操作对这两个二维特征图进行聚合，得到x方向和y方向上的特征向量，分别用1×3卷积和3×1卷积对特征向量进行注意力操作，得到x方向和y方向上的注意力向量Ax和Ay；最后，将两个注意力向量分别与候选区域特征图相乘后再相加，相加后的结果即为位置修正后的候选区域特征； 步骤6，目标识别：利用一个卷积层加全连接层对步骤5得到的位置修正后的候选区域特征进行学习，得到全局特征向量，再采用一个全连接层对全局特征向量进行类型预测，得到目标的类别概率向量； 步骤7，位置回归：利用一个卷积层加全连接层对步骤5得到的位置修正后的候选区域特征进行学习，得到全局特征向量，再采用一个全连接层对全局特征向量进行边框预测，得到预测区域边界框在x、y方向的回归值和宽w、高h的回归值，完成目标检测。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。