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！

龙图腾网获悉中国电子科技集团有限公司电子科学研究院;北京航空航天大学申请的专利一种基于两级协同融合的多源舰船目标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：CN119672582B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202510180867.8，技术领域涉及：G06V20/17；该发明授权一种基于两级协同融合的多源舰船目标识别方法是由王成才;徐山峰;王茹斐;刘春旭;王兆伟;潘琦;王肖;张容静;曹晨;刘立辉设计研发完成，并于2025-02-19向国家知识产权局提交的专利申请。

本一种基于两级协同融合的多源舰船目标识别方法在说明书摘要公布了：本发明公开了一种基于两级协同融合的多源舰船目标识别方法，涉及信号处理技术领域，首先借助飞机上的光学相机和雷达传感器采集目标海域数据，包括原始的光学图像和雷达图像数据，然后采用高斯滤波对采集的数据进行预处理；接下来利用深度学习算法进行海陆分割，构建损失函数优化网络参数得到分割掩模，再依据掩模结果去除陆地背景区域，得到处理后的光学和雷达图像；之后采用改进的SURF特征和图割算法相结合的配准方法，通过筛选特征点对和求解能量函数最小值得到最优变换参数，实现图像配准；针对配准后的图像，基于自适应融合规则来融合图像；最后通过手工特征提取和基于深度学习的特征提取提取对应的特征并融合获得最终的目标识别结果。

本发明授权一种基于两级协同融合的多源舰船目标识别方法在权利要求书中公布了：1.一种基于两级协同融合的多源舰船目标识别方法，其特征在于，包括以下步骤： 步骤1、利用搭载在飞机上的光学相机和雷达传感器，同步对目标海域进行数据采集，获取原始的光学图像数据和雷达图像数据，其中代表图像平面中的像素坐标，然后对其进行高斯滤波的预处理，获得滤波后的光学图像和滤波后的雷达图像； 步骤2、使用深度学习算法分别对预处理后的光学图像和雷达图像进行海陆分割，获得将原始图像陆地区域置零后的光学图像和雷达图像的结果，分别为、；获得将原始图像陆地区域置零后的光学图像和雷达图像的结果的过程如下：S21、构建损失函数优化海陆分割网络参数，获得海陆分割掩模；其中，损失函数的表达式如下： ； 式中，为样本数量，为类别数量，为样本属于类别的真实标签，为模型预测样本属于类别的概率值，为类别的权重系数，根据样本中各类别的比例进行自适应调整； S22、依据分割掩模的结果，仅保留图像中对应沿海和海面区域的像素部分，其中海和陆地分别用特定的像素值表示，海域为1，陆地区域为0，去除陆地背景区域，获得将原始图像陆地区域置零后的光学图像和雷达图像的结果，表达式如下： ； ； 式中，和分别为将原始图像陆地区域置零后的光学图像和雷达图像的结果，表示光学图像的海陆分割掩膜，表示雷达图像的海陆分割掩膜； 表示光学图像海陆分割掩膜中坐标为x,y的点的像素值为1，表示光学图像海陆分割掩膜中坐标为x,y的点的像素值为0，表示雷达图像海陆分割掩膜中坐标为x,y的点的像素值为1，表示雷达图像海陆分割掩膜中坐标为x,y的点的像素值为0； 步骤3、采用基于改进的SURF特征和图割算法相结合的配准方法对和进行图像配准，获得配准后的光学图像和雷达图像；获得配准后的光学图像和雷达图像的过程如下： S31、利用改进的SURF算法提取特征点，在特征描述子生成阶段，引入基于局部二值模式的纹理特征；对于光学图像中的特征点和雷达图像中的特征点，通过基于双向最近邻距离比的特征匹配算法筛选出可靠的特征点对； S32、运用图割算法求解能量函数的最小值，得到最优的变换参数，能量函数由数据项和平滑项组成，公式如下： ； ； ； ； ； 其中，是图像中的所有像素点集合，是匹配的特征点对集合，是相邻像素点对集合，是用于将雷达图像中的点映射到光学图像坐标系下的变换矩阵，是平衡系数，是相邻像素点对和之间的距离，是相邻像素点对的集合，是控制平滑程度的参数，是基于条件概率的相似性度量函数，是相似性度量，表示是相邻像素点对之间的平滑性度量； S33、通过S31和S32找到图像之间的对应关系，实现精确配准，获得配准后的光学图像和雷达图像； 步骤4、针对配准后的光学图像和雷达图像，采用基于区域能量、梯度和结构张量信息的自适应融合规则获得融合后的图像；采用基于区域能量、梯度和结构张量信息的自适应融合规则获得融合后的图像的过程如下： S41、计算图像以为中心的局部窗口内的区域能量、梯度幅值和结构张量特征值、，，表达式如下： ； ； ；通过对结构张量矩阵进行特征值分解得到和； S42、计算光学图像的权重系数和雷达图像的权重系数，表达式如下： ； ；式中，表示对于图像，其在以为中心的局部窗口内的区域能量，和为局部窗口内的像素点横纵坐标值，表示图像在坐标处的梯度幅值，和是图像在和方向的偏导数，下标opt和rad分别表示光学和雷达； 表示结构张量的特征值； S43、获得融合后的图像，表达式如下： ； 步骤5、对步骤4获得的融合后的图像通过手工特征提取和基于深度学习的特征提取提取对应的特征，然后对提取到的特征进行融合，获得最终的目标识别结果；手工特征提取利用基于Canny算子的边缘检测算法提取舰船的轮廓，通过对边缘图像进行形态学处理和轮廓跟踪算法，精确确定舰船目标的边界，然后计算舰船的多个几何形状特征，包括长宽比、周长、面积变化率。

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电子科技集团有限公司电子科学研究院;北京航空航天大学，其通讯地址为：100041 北京市石景山区八大处高科技园区双园路11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”。

以上内容由龙图腾AI智能生成。