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！

龙图腾网获悉福州大学申请的专利一种复杂背景下红外小目标探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：CN119649042B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202411793101.9，技术领域涉及：G06V10/30；该发明授权一种复杂背景下红外小目标探测方法是由卢孝强;林嘉宇;郑向涛设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本一种复杂背景下红外小目标探测方法在说明书摘要公布了：本发明提供一种复杂背景下红外小目标探测方法，通过形态学自适应重建方法进行图像预处理，以突出目标中心特征；通过标注转化，根据已标注的目标矩形框，构建反应目标轮廓的mask掩码，计算目标的中心位置构建mask掩码；利用双分支U型网络，通过独立的轮廓分支和中心区域分支分别学习目标的轮廓特征和中心特征；所述形态学自适应重建方法通过不同尺度不同形状的结构元素进行形态学重建，选择重建效果最好的部分整合在一起作为重建结果；所述双分支U型网络采用小波分解与跳跃连接相结合的方式提取多尺度特征，并引入通道注意力机制增强关键特征表达；通过掩码融合模块，将两个分支的预测掩码融合，生成目标预测掩码作为最终输出。

本发明授权一种复杂背景下红外小目标探测方法在权利要求书中公布了：1.一种复杂背景下红外小目标探测方法，其特征在于：通过形态学自适应重建方法进行图像预处理，以突出目标中心特征；通过标注转化，根据已标注的目标矩形框，构建反应目标轮廓的mask掩码，计算目标的中心位置构建mask掩码；利用双分支U型网络，通过独立的轮廓分支和中心区域分支分别学习目标的轮廓特征和中心特征； 所述形态学自适应重建方法通过不同尺度不同形状的结构元素进行形态学重建，选择重建效果最好的部分整合在一起作为重建结果； 所述标注转化为将归一化的标注值转换为图像坐标系下的实际值，在对应的目标区域生成分割掩码，其中目标区域的像素值为1，背景区域的像素值为0； 所述双分支U型网络采用小波分解与跳跃连接相结合的方式提取多尺度特征，并引入通道注意力机制增强关键特征表达；通过掩码融合模块，将两个分支的预测掩码融合，生成目标预测掩码作为最终输出； 所述双分支U型网络使用两个独立的U型网络，它们具有相同的架构，将尺寸一致的原始图像和预处理图像同时输入；双分支包括目标轮廓分支和目标中心区域分支；所述目标轮廓分支以原始红外图像为输入，学习目标的轮廓特征，并输出目标轮廓预测掩码；所述目标中心区域分支以预处理后的红外图像作为输入，学习目标中心区域的特征，并输出目标中心区域预测掩码；在分支中，每一次跳跃连接时通过小波分解模块对编码器输出的特征进行小波分解以提取低频特征，再将所述低频特征与解码器对应尺度的特征结合，以增强解码过程中的目标特征，特征结合后通过双卷积模块进一步提取局部上下文信息；在解码器输出后经过通道注意力模块，对不同通道的特征赋予自适应权重，以进一步增强目标特征表达能力；在完成两个分支的预测后，通过掩码融合模块对目标轮廓掩码与目标中心区域掩码进行融合，再经过输出层生成完整的目标预测掩码； 所述掩码融合模块融合轮廓和中心区域的掩码，将中心区域掩码提供的位置信息与轮廓掩码提供的轮廓信息进行融合，表示为： xfused＝xcontour+xcenter 其中，xcontour表示为轮廓区域掩码，xcenter表示为中心区域掩码； 所述双分支U型网络两个分支网络的损失函数分别为轮廓交叉熵损失L1和中心区域交叉熵损失L2，表示为： 其中，N是像素数，yi是真实标签，pi是预测概率； 联合损失函数Lt是轮廓交叉熵损失L1、中心区域交叉熵损失L2的加权组合，表示为： Lt＝αL1+L2 其中，α是训练权重。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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。