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！

龙图腾网获悉中国民用航空飞行学院申请的专利基于双域对比学习的低光照无人机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：CN121095823B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511642825.8，技术领域涉及：G06V20/17；该发明授权基于双域对比学习的低光照无人机目标检测方法是由付贵;徐佳艺;楚红雨;刘莉雯;王悠设计研发完成，并于2025-11-11向国家知识产权局提交的专利申请。

本基于双域对比学习的低光照无人机目标检测方法在说明书摘要公布了：本发明涉及无人机检测技术领域，具体地说，涉及一种基于双域对比学习的低光照无人机目标检测方法，包括以下步骤：步骤1、图像预处理，包括多尺度低光照退化处理和数据增强；步骤2、将图像预处理生成的查询实例、正样本和负样本送入双域对比学习网络进行训练获取更高层次的语义特征；步骤3、将语义特征传递到目标检测网络中，目标检测网络进一步区分目标与背景。本发明能较佳地进行低光照无人机目标检测。

本发明授权基于双域对比学习的低光照无人机目标检测方法在权利要求书中公布了：1.基于双域对比学习的低光照无人机目标检测方法，其特征在于：包括以下步骤： 步骤1、图像预处理，包括多尺度低光照退化处理和数据增强； 步骤2、将图像预处理生成的查询实例、正样本和负样本送入双域对比学习网络进行训练获取更高层次的语义特征； 步骤3、将语义特征传递到目标检测网络中，目标检测网络进一步区分目标与背景； 多尺度低光照退化处理包括以下步骤： 1.1遍历数据集中每张图片及其标注，依据标注的真实边界框裁剪出查询实例q，以红色框标识；同时，在该图像中随机裁取多个矩形区域，这些区域需满足： a正样本k+，以绿框标识； 随机生成裁剪区域，计算该裁剪区域与每个真实边界框的交集面积占该裁剪区域面积的比例，若大于23，则将此区域裁切出来作为正样本； b负样本k-，以绿框标识； 随机生成裁剪区域，计算该裁剪区域与所有真实边界框的交集面积占该裁剪区域面积的比例，若大于15，则将此区域裁切出来作为负样本； 1.2对所得到的正样本图像进行低光照退化操作； 将图像退化分为两组插值退化进行，第一组分别使用小波系数衰减退化、自适应插值退化、双线性插值退化，第二组将第一组得到的三种插值退化图像再随机选择一种插值退化方式进行退化； 1.3将所得到的退化图像进行低光照黑暗处理，模拟低光照条件下的图像； 小波系数衰减退化是将图像进行小波变换来分解和重构以得到退化图像；具体而言：图像属于典型的二维信号，通过式1的二维离散小波变换把原始图像分解为四种子带图像，随后衰减高频子带图像中的高频系数，来模拟图像在获取或传输过程中可能出现的模糊或细节损失，最后将衰减后的高频子带图像与低频图像进行小波重构得到退化后的图像； 其中，是图像fx,y的低频子带图像，代表三种不同方向的高频子带图像，j代表分解层数，m、n为变换域中的坐标索引；M、N是图像fx,y的长和宽，fx,y是原图像的离散形式，为尺度基函数，由尺度函数缩放得到；ψx,y为平移基函数，由基本小波通过平移变换得到； 在退化过程中，针对高频系数进行衰减，高频系数包含图像的边缘和纹理细节，衰减公式为： x'＝c*l2； 式中x'表示衰减后系数；c是原始系数；l是衰减因子，介于0和1之间，衰减因子越小，高频信息损失越多，图像越模糊； 自适应插值退化结合边缘动态选择最邻近插值退化或双三次插值退化； 最邻近插值退化是选取一个最靠近的像素为他的像素值，根据原始图像和目标图像的尺寸，计算缩放比例，然后根据缩放比例计算目标像素所依据的原像素，并赋值给目标像素；最邻近插值坐标变换公式如下： 其中，src、src表示原图像中的坐标，dst、dst表示目标图像中的坐标，scale表示缩放比例； 双三次插值退化利用带采样点周围16个点的灰度值作三次插值，不仅考虑到4个直接相邻点的灰度影响，而且考虑到各邻近点之间灰度值变化率的影响；数学原理如下所示： Wx为目标像素权重值，a表示调整参数； 双线性插值退化是对x方向和y方向分别进行插值，根据原始图像中四个相邻像素的值来估计新位置处像素的值，计算方法为： 假设已知函数f在Q11＝x,y，Q12＝x,y，Q21＝x,y，Q22＝x,y四个点的值，分别做插值运算，得到： 在x方向做插值： 在y方向做插值： 综合以上得： 步骤1.3中，将退化处理后的图像通过降低亮度并增强暗区对比度模拟低光照效果进行黑暗处理，具体为：限制强度参数intensity的范围在0.1到0.9之间，避免过亮或者全黑，再将图像从RGB颜色空间转换到HSV颜色空间，提取亮度通道并将其乘以强度因子以此降低亮度；同时为了增加暗区的对比度，对v通道使用gamma校正，其计算公式为： gamma＝1.0+1.0-intensity10； 最后将处理后的HSV图像转换到RGB颜色空间； 步骤1中，数据增强包括随机仿射变换增强、HSV增强以及CutMix增强； 步骤2中，双域对比学习网络包括用于提取空域特征的空间域编码器和用于提取频域特征的频域编码器，两种编码器的结构相同，均包括平均池化层、卷积层以及多层感知层； 提取空域特征为： 将生成的查询实例q、正样本k+和负样本k-直接输入空间域编码器，挖掘图像中近似离散的特征； 提取频域特征为： 将查询实例q、正样本k+和负样本k-通过式11转换成频域信息，在频域中再进行特征提取，学习深层次的语义特征表示； 式中Fu,v表示图像在频域中的复数形式；M和N代表图像的宽度和高度；u和v分别代表图像在水平和垂直两个方向的频率； 图像中的细节、纹理信息对应的是高频信息，高频信息AHu,v与低频信息ALu,v的表达式如式12与13所示： 式中Au,v表示正常图像的振幅谱；DH代表高频截止频率； 式中DL代表低频截止频率。

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民用航空飞行学院，其通讯地址为：618307 四川省德阳市广汉市南昌路四段46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。