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！

龙图腾网获悉中国矿业大学;江苏比特达信息技术有限公司申请的专利一种多轨协同式的高帧频红外弱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：CN120526128B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202511020575.4，技术领域涉及：G06V10/25；该发明授权一种多轨协同式的高帧频红外弱小目标检测方法是由赵作鹏;罗苏;李永康;王思;赵强设计研发完成，并于2025-07-24向国家知识产权局提交的专利申请。

本一种多轨协同式的高帧频红外弱小目标检测方法在说明书摘要公布了：本发明公开一种多轨协同式的高帧频红外弱小目标检测方法，包括：采集高帧频红外视频帧；对每帧图像进行多帧特征融合处理，结合时序信息增强小目标的时序一致性；对图像进行目标运动感知与自适应背景抑制，利用目标运动轨迹信息动态调整背景抑制策略；引入物理模型增强红外小目标的信号强度；采用自监督学习技术，在无标签数据中自动学习目标特征；将多帧融合后的特征输入目标检测网络，进行目标的精确定位与检测。该方法利用多模态特征融合与自适应背景抑制技术，优化高帧频红外弱小目标检测的准确性、鲁棒性和计算效率，尤其在复杂环境下的动态背景、目标遮挡问题上具有显著优势，适用于军事监控、海上巡逻和无人驾驶等高帧频红外视频监控应用。

本发明授权一种多轨协同式的高帧频红外弱小目标检测方法在权利要求书中公布了：1.一种多轨协同式的高帧频红外弱小目标检测方法，其特征在于，包括如下步骤： S1、采集高帧频红外视频帧，获取连续图像序列； S2、对每帧图像进行时序卷积网络处理，结合时序信息对多帧图像特征进行融合； S3、对每帧图像进行目标运动感知与自适应背景抑制，通过分析目标的运动轨迹动态调整背景抑制策略，对每帧图像进行目标运动感知与自适应背景抑制的步骤具体包括： S3.1-1、通过分析视频帧中的小目标在连续帧和之间的运动轨迹，利用目标的运动特性为每个帧图像分配不同的重要度权重，设定每帧图像的权重为，该权重参数通过目标运动检测模型自动优化，以适应目标运动的变化，权重满足如下归一化约束： ； 其中，为视频总帧数，为第帧图像的运动权重； S3.1-2、在获取每帧图像的目标运动信息后，根据目标运动轨迹对每一帧图像的背景进行动态抑制，采用运动感知背景抑制策略，具体地，将去噪后的图像特征与权重相结合，计算加权后的图像特征表示为： ； 其中，为去噪后的图像特征，为运动感知后的加权特征； S3.1-3、将加权后的所有帧图像特征在时序维度上进行融合，形成多帧融合的特征表示，即通过目标运动感知与自适应背景抑制策略优化后的图像特征： ； S4、引入物理模型对红外小目标信号进行增强，利用辐射强度、背景噪声两个物理特性优化目标的可辨识度，引入物理模型对红外小目标信号进行增强的步骤具体包括： S4.1-1、对每帧红外图像进行辐射强度和背景噪声的物理建模，假设图像中的目标由红外辐射源产生，而背景由噪声分布构成，目标区域的辐射强度表示为，其中和为图像中的坐标，背景噪声则表示为，其满足某一已知的噪声分布模型； S4.1-2、利用物理模型对图像进行增强处理，包括根据红外目标的辐射特性和背景噪声的统计特性来优化目标的可辨识度，通过对比目标与背景之间的信噪比，采用信噪比优化的滤波方法对图像进行处理，具体地，目标区域的增强信号表示为： ； 其中，是一个小的常数值，避免除数为零； S4.1-3、在进行红外小目标信号增强后，目标区域信号与背景噪声进行比较，进行目标增强与噪声抑制的联合优化，通过对信号和噪声的权重进行优化，得到最终的增强目标图像表示为： ； 其中，是一个根据背景噪声与目标信号的关系动态调整的系数，值域在[0,1]之间； S4.1-4、对每一帧图像进行上述物理模型增强处理后，得到增强后的图像，然后将所有帧的增强图像通过多帧特征融合处理，得到增强后的目标特征表示，即通过物理模型增强后的小目标信号特征： ； S5、采用自监督学习策略，通过生成对抗网络从无标签数据中学习目标特征； S6、将融合后的多帧特征输入密集嵌套注意力网络，进行小目标的精确检测与定位，确保准确识别弱小目标； S7、利用多模态特征融合与自适应背景抑制技术，优化红外小目标的检测准确性和鲁棒性。

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中国矿业大学;江苏比特达信息技术有限公司，其通讯地址为：221100 江苏省徐州市铜山区大学路1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”。