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！

龙图腾网获悉中国科学院光电技术研究所申请的专利一种基于光滑稀疏分解的强光晕背景下的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：CN117058025B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202310984320.4，技术领域涉及：G06T5/70；该发明授权一种基于光滑稀疏分解的强光晕背景下的弱小目标检测方法是由李美惠;淡冰冰;唐涛设计研发完成，并于2023-08-07向国家知识产权局提交的专利申请。

本一种基于光滑稀疏分解的强光晕背景下的弱小目标检测方法在说明书摘要公布了：本发明公开了一种基于光滑稀疏分解的强光晕背景下的弱小目标检测方法。该方法将强光晕背景下的弱小目标检测视为一种矩阵的平滑分量与稀疏分量的分解过程。在光滑稀疏分解的优化框架下，本发明用样条基去拟合光晕并用光滑系数矩阵的全变分约束背景的光滑性，同时用l0范数约束目标的稀疏性和引入时空先验权重增强目标的显著性。求解时，本发明利用交替乘子法可实现目标与背景的快速分离。

本发明授权一种基于光滑稀疏分解的强光晕背景下的弱小目标检测方法在权利要求书中公布了：1.一种基于光滑稀疏分解的强光晕背景下的弱小目标检测方法，其特征在于，通过以下四个步骤实现弱小目标检测： 步骤一：依据原始图像大小分别计算水平方向和垂直方向的样条基函数； 步骤二：利用样条基函数表示背景，通过系数矩阵的全变分和目标矩阵的l0范数构建优化问题； 步骤三：利用连续帧的噪声分量计算出显著性图，并作为目标的权重引入步骤二所构建的优化问题中； 步骤四：利用交替乘子法求解出目标矩阵与背景矩阵； 步骤二中所述的优化问题如下： 通过系数矩阵的全变分和目标矩阵的l0范数构建优化问题，公式如下： ，2 公式2中各符号含义为： ：原始图像矩阵； ：背景矩阵； ：目标矩阵； ：噪声矩阵； ：系数矩阵； ：稀疏系数； ：噪声系数； 方向的梯度算子； 方向的梯度算子； 方向的全变分值； 方向的全变分值； ：矩阵的范数，即矩阵中非零元素的个数； ：矩阵的范数，即矩阵行向量的范数的范数； 步骤三中显著性权重的计算过程如下： 步骤3a：对前帧提取出的噪声及当前帧的噪声做均值滤波，得到，计算公式如下： ，3 公式3中各符号含义为： ：当前帧，第次迭代的噪声矩阵； ：前帧的噪声矩阵； ：均值滤波算子； ：均值滤波后得到的噪声张量； 步骤3b：对做三维膨胀运算，得到，计算公式如下： ，4 公式4中各符号含义为： ：三维膨胀后得到的张量； ：三维膨胀算子； 步骤3c：将的最后一帧与的最后一帧进行差分得到，并做如下计算得到显著性权重： ，5 公式5中各符号含义为： ：的最后一帧与的最后一帧的差分结果，即； ：阶跃函数，即； ：第次迭代下的显著性权重； 步骤3d：将得到的权重引入步骤二中的优化问题中，优化问题如下： ，6 公式6中符号含义为： ：显著性权重； ：矩阵的点乘运算。

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科学院光电技术研究所，其通讯地址为：610209 四川省成都市双流350信箱；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。