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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于图像局部增强和3D稀疏卷积网络的红外影像小目标追踪方法及系统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：CN119313708B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202411422479.8，技术领域涉及：G06T7/246；该发明授权一种基于图像局部增强和3D稀疏卷积网络的红外影像小目标追踪方法及系统是由胡悦;周星宇设计研发完成，并于2024-10-12向国家知识产权局提交的专利申请。

本一种基于图像局部增强和3D稀疏卷积网络的红外影像小目标追踪方法及系统在说明书摘要公布了：一种基于图像局部增强和3D稀疏卷积网络的红外影像小目标追踪方法及系统，本发明涉及红外小目标追踪检测技术领域。本发明为了解决目前红外小目标目标特征不明显背景复杂难以检测的问题，以及为了提高追踪精度缩短追踪时间。本发明包括以下步骤：1将红外图像经过图像空间滤波器对红外目标进行增强同时对背景进行抑制；2将增强的红外图像进行稀疏采样生成稀疏数据；3将稀疏数据按照时间维度堆叠成三维张量；4对三维张量进行裁剪、叠加、旋转进行数据增强；5利用3D稀疏卷积网络对输入的稀疏数据进行分割提取轨迹。本发明可在无初始位置标记以及复杂背景下对存在轨迹遮挡的红外小目标进行高精度追踪。

本发明授权一种基于图像局部增强和3D稀疏卷积网络的红外影像小目标追踪方法及系统在权利要求书中公布了：1.一种基于图像局部增强和3D稀疏卷积网络的红外影像小目标追踪方法，其特征在于，包括以下步骤： 步骤1，将红外图像经过图像空间滤波器对红外目标进行增强同时对背景进行抑制； 步骤2，将增强的红外图像进行稀疏采样生成稀疏数据； 步骤3，将稀疏数据按照时间维度堆叠成三维张量； 步骤4，对三维张量进行裁剪、叠加、旋转进行数据增强； 步骤5，利用3D稀疏卷积网络对输入的稀疏数据进行分割提取轨迹； 所述步骤4的实现过程为： 步骤4.1，按照步长S对堆叠完的同一序列的三维稀疏张量在时间维度上切割，得到一组大小为W×H×S的三维张量，其中W为原始图像的宽，H为原始图像的长，均为256，S为50； 步骤4.2，将步骤4.1中得到的张量随机抽取进行旋转，并抽取三分之二的张量，两两进行叠加得到更复杂的稀疏数据； 所述步骤5的实现过程为： 步骤5.1，将步骤4.2得到的多个轨迹的张量进行编码，只保留有数据的位置的强度值和坐标，并存为字典； 步骤5.2，将字典以大小为batch_size的批次输入到3D稀疏卷积网络的下采样部分中进行编码，batch_size为2，其中编码部分由四个卷积模块组成，每个卷积模块又由若干稀疏卷积模块组成，一个稀疏卷积模块由一层卷积层一层BN层和一层Relu激活层组成；其中第一个卷积模块由一个稀疏卷积模块组成，卷积层输入通道为1，输出通道为16，卷积核大小为3，步长为1；其中第二个卷积模块由一个稀疏卷积模块组成，卷积核边长均为3，步长为1，填充为1，输入输出通道为16；第三个卷积模块由3个稀疏卷积模块组成，第一个稀疏卷积模块卷积核边长均为3，步长为2，填充为1，输入通道为16，输出通道为32；第二个稀疏卷积模块卷积核边长均为3，步长为1，填充为1，输入通道为32，输出通道为32；第三个稀疏卷积模块卷积核边长均为3，步长为1，填充为1，输入通道为32，输出通道为32；第四个卷积模块由3个稀疏卷积模块组成，第一个稀疏卷积模块卷积核边长均为3，步长为2，填充为1，输入通道为32，输出通道为64；第二个稀疏卷积模块卷积核边长均为3，步长为1，填充为1，输入通道为64，输出通道为64；第三个稀疏卷积模块卷积核边长均为3，步长为1，填充为1，输入通道为64，输出通道为64；得到升维之后的高级特征； 步骤5.3，将升维之后的高级特征输入至上采样模块中，其中一共有四个上采样模块，每个上采样模块包括拼接和卷积部分，同样包含三个反卷积和三个拼接部分，其中每个反卷积中输出的特征与步骤5.2中得到的同样大小的卷积输出特征进行拼接输入到下一个反卷积层中，得到同样大小的输出特征值；其中第一个上采样模块包含三个稀疏卷积模块，第一个为残差卷积模块，包含两层输入输出通道均为64，卷积核大小为3，填充为1的卷积层；第二个为3D稀疏卷积模块，输入通道为128，输出为64，卷积核大小为3，步长为1，填充为1；第三层为3D反稀疏卷积模块，输入通道为64，输出通道为64，卷积核大小为3，步长为1；第二个上采样模块包含三个稀疏卷积模块，第一个为残差卷积模块，包含两层输入输出通道均为64，卷积核大小为3，填充为1的卷积层；第二个为3D稀疏卷积模块，输入通道为128，输出为64，卷积核大小为3，步长为1，填充为1；第三层为3D反稀疏卷积模块，输入通道为64，输出通道为32，卷积核大小为3，步长为1；第三个上采样模块包含三个稀疏卷积模块，第一个为残差卷积模块，包含两层输入输出通道均为32，卷积核大小为3，填充为1的卷积层；第二个为3D稀疏卷积模块，输入通道为64，输出为32，卷积核大小为3，步长为1，填充为1；第三层为3D反稀疏卷积模块，输入通道为32，输出通道为16，卷积核大小为3，步长为1；第四个上采样模块包含两个稀疏卷积模块，第一个为残差卷积模块，包含两层输入输出通道均为16，卷积核大小为3，填充为1的卷积层；第二个为3D稀疏卷积模块，输入通道为32，输出为16，卷积核大小为3，步长为1，填充为1；最后输出字典； 步骤5.4，将得到的字典解码成原尺寸大小的稀疏数据，进行切片，得到每张只包含目标的图像，得到目标轨迹； 步骤5.5：将网络设置学习率0.0001，并在每次迭代后按照指数衰减；参数进行初始化，alpha参数为0.25，gamma为2.0；利用Focalloss损失函数优化模型；投入训练集进行200次迭代训练。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。