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！

龙图腾网获悉南京理工大学申请的专利基于局部区域自组织映射算法的红外图像分割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：CN119205826B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202411250181.3，技术领域涉及：G06T7/12；该发明授权基于局部区域自组织映射算法的红外图像分割方法是由万敏杰;葛鹏强;顾国华;陈钱;许运凯;钱惟贤设计研发完成，并于2024-09-06向国家知识产权局提交的专利申请。

本基于局部区域自组织映射算法的红外图像分割方法在说明书摘要公布了：本发明公开了一种基于局部区域自组织映射算法的红外图像分割方法，包括：首先，设计基于局部区域自组织映射算法，在水平集迭代演化前，通过移动局部滑窗，完成多特征偏场的提取，在乘性偏场模型的框架下，构建多特征局部数据驱动项；其次，计算多特征全局数据驱动项，并通过自适应权重函数，构建多特征混合数据驱动项。接着，利用自适应正则化函数对多特征混合数据驱动项的能量值域进行正则化后，驱动初始水平集进行迭代演化。然后，在水平集的迭代过程中，使用双曲正切函数保持水平集在迭代演化时，外部为正内部为负的符号规则特征和模值为1的距离规则特征。同时，通过均值滤波模板，不断地对水平集进行平滑处理，并消除多余的非边界处轮廓线。最后，通过梯度下降法不断迭代求解能量函数的最小值，直到达到水平集的收敛准则或最大迭代次数后停止，此时输出零水平集的位置，完成图像分割。本发明提出的局部区域自组织映射算法能准确地从红外图像中挖掘出前景的轮廓，具有较好的分割速度和精度。

本发明授权基于局部区域自组织映射算法的红外图像分割方法在权利要求书中公布了：1.一种基于局部区域自组织映射算法的红外图像分割方法，其特征在于，包括： 步骤1：计算红外输入图像的多特征图，所述多特征图包括灰度特征图、粗糙度特征图以及梯度特征图； 步骤2：使用基于局部区域自组织映射算法计算多特征偏场； 步骤3：对水平集进行初始化； 步骤4：计算多特征局部数据驱动项； 步骤5：计算多特征全局数据驱动项； 步骤6：使用自适应权重函数，结合多特征局部数据驱动项和全局数据驱动项，构建的多特征混合数据驱动项dhybrid具体为： 其中，An为自适应权重函数，定义为：a是放大增益系数，b是漂移系数，n是自变量，表示迭代次数，dglobal为多特征全局数据驱动项，dlocal为多特征局部数据驱动项；int表示灰度，rou表示粗糙度，grad表示梯度； 步骤7：使用自适应正则化函数，正则化多特征混合数据驱动项的能量值域后，对水平集进行迭代求解，获得收敛的零水平集作为目标边界的轮廓线，完成轮廓分割，具体方法为： 步骤7.1：正则化多特征混合数据驱动项dopt： 通过函数erfregx正则化混合数据驱动项dhybrid的值域范围，获得正则化后的混合数据驱动项dopt： dopt＝erfreg[dhybridγ1]＝erfreg[An·dglobal+1-An·dlocalγ1] 其中，γ1＝20，erfregx是自适应正则化函数，定义为：θ为积分变量； 步骤7.2：计算优化后的梯度下降流公式 其中，α符号和大小均可手动调节，控制水平集迭代演化的方向和速度大小，δφ定义为：ε＝1，φ表示水平集函数； 步骤7.3：使用迭代演化公式并通过梯度下降法，求解零水平集： 其中，m和γ2是正常数，Δt表示迭代时间间隔，φx,i,φx,i-1分别是迭代次数是i,i-1时水平集函数的值；tanh·是双曲正切函数，Mk×k·是大小为k×k的均值滤波算子；计算更新后，返回步骤4，直到满足收敛准则后停止迭代，输出收敛后的最终零水平集。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫街道200号南京理工大学；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。