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！

龙图腾网获悉吉林大学申请的专利基于Faster R-CNN与CV模型联合方法的SAR图像舰船轮廓提取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：CN115393734B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202211047548.2，技术领域涉及：G06V20/13；该发明授权基于Faster R-CNN与CV模型联合方法的SAR图像舰船轮廓提取方法是由顾玲嘉;江明达;任瑞治设计研发完成，并于2022-08-30向国家知识产权局提交的专利申请。

本基于Faster R-CNN与CV模型联合方法的SAR图像舰船轮廓提取方法在说明书摘要公布了：本发明公开了一种基于FasterR‑CNN与CV模型联合方法的SAR图像舰船轮廓提取方法，涉及卫星遥感图像处理与应用的技术领域，本发明的目的是解决现有SAR图像舰船轮廓方法适用场景少、提取精度差、细节损失严重等问题。本发明通过引入深度学习方法，能够对大场景SAR图像舰船轮廓进行提取。首先，使用FasterR‑CNN网络对SSDD数据集进行迁移学习和目标检测，获得获取舰船目标的定位坐标，并对小场景舰船区域切片；随后对舰船切片进行快速非局部均值FNLM滤波处理，最后使用改进CV模型迭代产生舰船最终轮廓，并将轮廓信息融合显示在原始图像中。利用本发明提出的基于FasterR‑CNN与CV模型联合方法的SAR图像舰船轮廓提取方法可以实现对不同场景SAR图像中舰船目标轮廓快速准确的提取。

本发明授权基于Faster R-CNN与CV模型联合方法的SAR图像舰船轮廓提取方法在权利要求书中公布了：1.基于FasterR-CNN与CV模型联合方法的SAR图像舰船轮廓提取方法，其特征在于，该方法的步骤如下： 步骤一、选取SAR图像舰船目标检测数据集作为本方法检测网络训练数据，并对舰船轮廓进行重标注； 步骤二、构建FasterR-CNN目标检测网络，将步骤一中所选取的数据集送入网络模型中进行训练，获得训练完成的FasterR-CNN； 步骤三、将测试数据送入训练完成的FasterR-CNN网络中，输出舰船坐标信息并将舰船区域图像切片； 步骤四、对步骤三中获得的舰船区域图像切片进行灰度化处理，然后使用快速非局部均值滤波器进行滤波； 步骤五、将快速非局部均值滤波器处理后的数据送入改进CV模型中迭代计算出目标轮廓，并将轮廓信息融合显示在原始图像中； 步骤五中使用改进CV模型对快速非局部均值滤波处理后的切片进行舰船轮廓提取，所述的改进CV模型如下： 对于某一图像x,y∈Ω，用Ix,y表示图像上点x,y的像素值，定义封闭曲线C为图像上一闭合区域ω的边界，insideC表示曲线内闭合区域outsideC则表示曲线外区域C1和C2分别表示图像上曲线内和曲线外像素平均值,并定义如下的能量项： E1C+E2C＝∫insideC|I0x,y-C1|2dxdy+∫outsideC|I0x,y-C2|2dxdy5 当曲线C在目标图像中目标边界时，上述能量项取极小值，补充正则化项目后，可以得出如下的能量泛函： EC＝vlengthC+μareaC+E1C+E2C6 水平集方法将二维平面上的曲线轮廓通过隐式方程即水平集函数，表示为三维曲面的等高曲线，这个等值线被称作水平集函数的零水平，基于几何活动轮廓模型的轮廓提取方法中，检测到的图像轮廓就是能量泛函达到最小值时的零水平集所在的曲线，首先对水平集函数φx,y做如下定义，并用其对能量函数做调整： 然后，定义单位阶跃函数Hz如下： 从而可得： 总的能量函数也就可以写为： 其中： 由于CV模型中单位阶跃函数Hz现实中并不存在，通常使用12代替： 在曲线逼近目标边界之前，原始的阶跃函数需要多次迭代；为了提高曲线的演化速度，减少迭代次数，将式12改进为双曲正弦函数；最后保持c1、c2固定并且形式上最小化φ，采用梯度下降法，通过人工时间参数化下降方向得到关于φ的欧拉-拉格朗日方程的偏微分方程13： 计算梯度下降重新初始化φ后，当曲线逐渐演化到零平面时，即可得到最终曲线。

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吉林大学，其通讯地址为：130012 吉林省长春市长春高新技术产业开发区前进大街2699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”。