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！

龙图腾网获悉北京长河数智科技有限责任公司;长河信息股份有限公司申请的专利一种漂浮物自动识别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：CN118747821B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202410911933.X，技术领域涉及：G06V10/764；该发明授权一种漂浮物自动识别方法是由张煇;柳世豪;剌昊跃设计研发完成，并于2024-07-09向国家知识产权局提交的专利申请。

本一种漂浮物自动识别方法在说明书摘要公布了：本申请公开了一种漂浮物自动识别方法，涉及图像识别技术领域，包括：采集包含漂浮物的水体图像数据集；对采集的图像集进行预处理，预处理包含：采用基于退火算法的滤波器对图像进行去噪处理；采用核PCA算法对去噪处理后的图像集进行降维处理；根据预处理后的图像集，采用预训练的卷积神经网络提取图像特征；根据图像特征，采用度量学习算法提取特征度量空间；根据特征度量空间，采用聚类算法对漂浮物进行分类。针对现有技术中存在的漂浮物识别精度低的问题，本申请采用小波变换算法降低图像中的噪声，利用核PCA算法对图像进行降维，采用结构度量学习方法学习样本间在特征空间的度量距离，基于密度的DBSCAN聚类算法进行分类，提高了识别精度。

本发明授权一种漂浮物自动识别方法在权利要求书中公布了：1.一种漂浮物自动识别方法，包括： 采集包含漂浮物的水体图像数据集； 对采集的图像集进行预处理，预处理包含：采用基于退火算法的滤波器对图像进行去噪处理；采用核PCA算法对去噪处理后的图像集进行降维处理； 根据预处理后的图像集，采用预训练的卷积神经网络提取图像特征； 根据图像特征，采用度量学习算法提取特征度量空间； 根据特征度量空间，采用聚类算法对漂浮物进行分类； 采用基于退火算法的滤波器对图像进行去噪处理，包括： 获取待处理的图像集{I1,I2,.......,In}，将每幅图像Ii转化为二维矩阵A； 初始化复数母小波ψ和尺度函数在不同尺度s和时刻t下构建希尔伯特复小波基；利用构建的复小波基对矩阵A进行小波分解，得到复数小波系数矩阵C； 将复数小波系数矩阵C作为时频平面，遍历C中每个元素，计算对应的能量：ECn＝∑|Cnt,f|2，其中，|Cnt,f|表示矩阵中时刻t和频率f对应的小波系数的复数模；生成能量分布Et,f，对能量分布Et,f进行归一化和颜色映射，生成噪声能量分布图E_map； 在能量分布图E_map上滑动采集噪声纹理特征，设置大小为w×w的滑动窗口，以步长s_img在E_map上滑动，提取每个窗口位置的纹理特征，纹理特征包含均值、标准差、梯度直方图、灰度共生矩阵的对比度和熵；将各个位置提取的特征拼接为特征集F； 计算特征集F与预设噪声模板库T中各模板的距离，匹配最近模板，输出噪声类型Ni； 噪声模板库T＝{t1,t2,.......,tk}包含k类噪声的标准特征； 定义距离度量函数distx,y＝∑i×xi-yi2，计算F中每个特征向量fi与每个模板tj的距离distfi-tj，找到距离最小的模板tmin：tmin＝argmindistfi-tj，将其对应的噪声类型作为fi的噪声类型yi； 对F中所有特征向量的噪声类型yi进行投票，输出最终图像的主要噪声类型Ni； 根据噪声类型Ni，选择匹配的小波基Bi，生成余弦退火滤波曲线gx： 其中，S＝smax-smin+1，K＝kmax-kmin+1；s表示Bi的尺度范围，k表示Bi的时移范围； 设置小波基存储模板，小波基存储模板包含Haar、Db、sym、bior、coif中的一种，根据Ni得到最佳小波基Bi； 设置Bi的尺度范围[smin，smax]和时移范围[kmin，kmax]，以及调制因子w，生成滤波曲线； 利用余弦退火滤波曲线gx对Ii进行小波去噪：用Bi和gx对Ii做小波分解，得到各尺度的小波系数；将小波系数与gx相乘实现滤波，去除噪声分量；重构修改后的小波系数，得到去噪后的图像； 计算去噪图像与原图像的峰值信噪比PSNR，如果PSNR低于阈值，则使用模拟退火算法调整gx的参数，重复直至PSNR达到要求，输出最终去噪图像Ii'； 根据图像特征，采用度量学习算法提取特征度量空间，包括： 根据图像特征，采用结构度量学习算法，计算图像特征样本之间的相似性，生成图像特征的相似度图； 利用相似度图，通过度量目标函数，生成图像特征的度量投影矩阵A： LA＝∑Sij×||Axi-Axj||2 其中，Sij为相似性矩阵S中的样本i和样本j之间的相似性权重，Sij∈[0,1]，Sij＝Sji； xi和xj为图像特征样本i和样本j对应的特征向量，xi,xj∈RD，D为特征维数； A为度量投影矩阵，A∈R{D×d}，d为投影目标维数； ||Axi-Axj||为xi和xj在投影矩阵A下的欧式距离； 将图像特征根据度量投影矩阵A进行映射，得到图像特征的特征度量空间。

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北京长河数智科技有限责任公司;长河信息股份有限公司，其通讯地址为：100071 北京市丰台区汽车博物馆西路8号院3号楼7层705；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”。