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！

龙图腾网获悉天津港(集团)有限公司申请的专利一种港口大模型训练数据图像分割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：CN121147935B 。

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：202511710141.7，技术领域涉及：G06V20/70；该发明授权一种港口大模型训练数据图像分割方法及系统是由文宏伟;兰鹏;李健;付强;张萌;齐琦设计研发完成，并于2025-11-20向国家知识产权局提交的专利申请。

本一种港口大模型训练数据图像分割方法及系统在说明书摘要公布了：本发明提出一种港口大模型训练数据图像分割方法及系统，属于图像处理技术领域。获取港口大模型训练数据场景下可见光图像和红外图像，对可见光图像进行动态光照补偿，基于补偿后可见光图像和红外图像得到多模态图像，并对多模态图像去噪；基于港口边缘样本库对去噪后图像进行增强；对增强后图像进行分层边缘检测；对分层边缘检测结果进行优化并将优化后的分层边缘检测结果作为港口大模型训练数据图像边缘。本发明通过多模态图像数据融合与分层优化技术，并结合港口边缘样本库进行图像边缘特征增强，提升了港口场景下图像边缘检测的准确性和鲁棒性。

本发明授权一种港口大模型训练数据图像分割方法及系统在权利要求书中公布了：1.一种港口大模型训练数据图像分割方法，其特征在于，具体包括以下步骤： 步骤S1：获取港口大模型训练数据所获得场景下的可见光图像和红外图像； 步骤S2：对所述可见光图像进行动态光照补偿，得到补偿后可见光图像； 步骤S3：基于所述补偿后可见光图像和所述红外图像得到多模态图像，并对多模态图像去噪得到去噪后图像； 步骤S4：基于港口边缘样本库对所述去噪后图像进行增强，得到增强后图像； 步骤S5：对所述增强后图像进行分层边缘检测得到分层边缘检测结果； 步骤S6：对所述分层边缘检测结果进行优化，将优化后的分层边缘检测结果作为港口大模型训练数据图像边缘，并根据所述图像边缘进行港口大模型训练数据图像的分割； 所述步骤S3具体包括： 步骤S31：将所述补偿后可见光图像和所述红外图像分别转换为补偿后可见光灰度图像和红外灰度图像；使用swt2函数对所述补偿后可见光灰度图像和所述红外灰度图像进行三层小波分解，得到可见光图像分解量矩阵和红外图像分解量矩阵； 步骤S32：以三层小波分解中的每一层为循环，定义第一权重和第二权重，将可见光图像分解量矩阵与所述第一权重相乘得到第一结果，将红外图像分解量矩阵与所述第二权重相乘得到第二结果，将第一结果和第二结果相加后赋值给可见光图像分解量矩阵；循环结束后获得更新后的可见光图像分解量矩阵； 步骤S33：获取所述更新后的可见光图像分解量矩阵的尺寸和小波分解层数，并根据所述更新后的可见光图像分解量矩阵的尺寸和小波分解层数创建存储矩阵； 步骤S34：以三层小波分解中的每一层为循环，使用dct2函数对更新后的可见光图像分解量矩阵进行二维离散余弦变换后得到第一DCT变量，使用dct2函数对红外图像分解量矩阵进行二维离散余弦变换得到第二DCT变量； 步骤S35：计算可见光图像分解量矩阵的局部空间频率和红外图像分解量矩阵的局部空间频率； 步骤S36：比较可见光图像分解量矩阵的局部空间频率和红外图像分解量矩阵的局部空间频率，当可见光图像分解量矩阵的局部空间频率大于红外图像分解量矩阵的局部空间频率时，选择第一DCT变量作为最终DCT变量，当可见光图像分解量矩阵的局部空间频率小于等于红外图像分解量矩阵的局部空间频率时，选择第二DCT变量作为最终DCT变量； 步骤S37：使用idct2函数对所述最终DCT变量进行逆DCT变换，获得DCT系数，并结束步骤S34的循环；使用iswt2函数对所述DCT系数进行逆小波变换，得到多模态图像；最后对所述多模态图像进行中值滤波去噪得到去噪后图像。

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天津港(集团)有限公司，其通讯地址为：300461 天津市滨海新区塘沽津港路99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。