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！

龙图腾网获悉合肥工业大学申请的专利一种基于多帧交互感知的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：CN119540519B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202411188453.1，技术领域涉及：G06V10/25；该发明授权一种基于多帧交互感知的红外弱小目标检测方法是由齐美彬;彭景;庄硕;李坤袁;刘一敏设计研发完成，并于2024-08-28向国家知识产权局提交的专利申请。

本一种基于多帧交互感知的红外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多帧交互感知的红外弱小目标检测方法，包括：1、对红外序列图像进行预处理，避免在训练过程中过拟合；2、构建一个针对连续多帧图像的时序特征提取模块；3、构建一个U型结构的特征交互感知模块；4、建立当前帧的红外图像经过预测模块后的结果与真实二值图像之间的损失函数；5、用红外图像对该网络进行训练，并用训练后的模型对红外弱小目标进行检测。本发明利用多帧图像获取目标的时空信息，并实现跨层级信息融合，从而能提高红外弱小目标检测的准确性，并特别增强对快速移动小目标的捕捉能力。

本发明授权一种基于多帧交互感知的红外弱小目标检测方法在权利要求书中公布了：1.一种基于多帧交互感知的红外弱小目标检测方法，其特征在于，是按如下步骤进行： 步骤1、对红外序列图像进行预处理； 获取红外图像序列并进行尺寸统一、裁剪、水平和垂直翻转的预处理后，得到处理后的红外图像序列，记为；其中，表示历史第t-n帧的红外图像，当n=0时，令表示当前帧的红外图像；k表示红外序列图像中的帧数；令的真实标签记为； 步骤2、构建一个针对连续多帧图像的时序特征提取模块，包括：中心差分卷积块、时间注意力模块和残差卷积块； 步骤2.1、所述中心差分卷积块利用式1对进行计算，得到第t-n帧红外图像的初始特征Ft-n，从而得到红外图像序列的初始特征；其中，当n=0时，Ft表示当前帧的红外图像的初始特征； 1 式1中，是属于[-1,1]之间的整数，分别表示横、纵坐标的偏移量；表示的中心位置x,y处的像素值，表示中位置处的像素值，是位置处的待学习权值，是超参数，且； 步骤2.2、时间注意力模块对进行处理，将当前帧的初始特征Ft与历史第t-1帧的初始特征Ft-1配对处理后，得到历史第t-1帧的时序特征，从而得到红外图像序列的时序特征； 步骤2.3、将红外图像序列的时序特征与当前帧的初始特征Ft拼接后，输入到残差卷积块中进行处理，得到当前帧的红外图像中红外弱小目标的时空特征Fst； 步骤3、构建一个U型结构的特征交互感知模块，包括：特征交互感知模块编码器、解码器和多尺度语义交互Transformer块，并用于对Fst进行处理，得到红外弱小目标的交互感知特征FA； 步骤3.1、所述特征交互感知模块编码器使用m组包含下采样的残差卷积块对Fst进行处理，得到目标的高级特征，其中，表示第i组残差卷积块输出的目标高级特征，Ci为第i组残差卷积块输出的通道维度； 步骤3.2、使用不同尺寸的卷积核对目标的高级特征进行补丁嵌入，得到一系列嵌入层特征，其中，表示第i个嵌入层特征，h表示的宽度，且，w表示的高度，且； 步骤3.3、使用多尺度语义交互Transformer块对嵌入层特征进行处理，得到交互层特征，其中，表示第i个交互层特征； 步骤3.4、使用解码器对交互层特征序列进行解码操作，得到红外弱小目标的交互感知特征FA； 步骤3.5、将FA依次通过残差卷积块和1×1卷积处理后，得到的红外预测结果pt； 步骤4、利用式10建立的总损失函数Lt； 10 式10中，表示的加权二元交叉熵损失；表示的最大均方差损失；表示的Dice损失；、为两个加权系数； 步骤5、基于，利用梯度下降算法对时序特征提取模块和特征交互感知模块组成的网络进行训练，并计算总损失函数L以更新网络参数，当训练迭代次数达到设定的次数时，停止训练，从而得到训练后的红外弱小目标检测模型，用于实现对复杂背景下红外弱小目标的检测。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。