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！

龙图腾网获悉上海理工大学申请的专利一种基于密度峰值搜索和局部特征的红外小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：CN116681875B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202310612434.6，技术领域涉及：G06V10/20；该发明授权一种基于密度峰值搜索和局部特征的红外小目标检测方法是由张雷洪;杨麾;方舒;徐润初;李阳俊;张怡强;刘凯;徐邦联;王凯民;张大伟设计研发完成，并于2023-05-29向国家知识产权局提交的专利申请。

本一种基于密度峰值搜索和局部特征的红外小目标检测方法在说明书摘要公布了：本发明公开了一种基于密度峰值搜索和局部特征的红外小目标检测方法，包括：S1、通过高斯差分滤波预处理图像且抑制高亮度杂波；S2、通过密度峰值全局搜索方法在预处理图像中确定候选目标的位置；S3、对候选目标进行局部对比增强梯度特性并抑制背景杂波；S4、通过Facet模型来计算每个候选目标的多向梯度特性；S5、以候选目标点为中心，捕捉不同大小目标的八个方向上的梯度特性；S6、通过对候选目标点对称方向上的区域做差来抑制背景杂波的梯度特性并使用对称区域差的标准差加权梯度响应值；S7、对候选目标梯度特性响应值进行自适应阈值分割方法得到红外弱小目标。根据本发明，在各种场景下均具有较高的检测率，且运算过程相对更加简单。

本发明授权一种基于密度峰值搜索和局部特征的红外小目标检测方法在权利要求书中公布了：1.一种基于密度峰值搜索和局部特征的红外小目标检测方法，其特征在于，包括以下步骤： S1、通过高斯差分滤波预处理图像且抑制高亮度杂波； S2、通过密度峰值全局搜索方法在预处理图像中确定候选目标的位置； S3、对候选目标进行局部对比增强梯度特性并抑制背景杂波； S4、通过Facet模型来计算每个候选目标的多向梯度特性；步骤S4中通过使用Facet模型来计算每个点多向梯度，分面模型考虑图像中像素的任何小邻域都可以通过多项式函数拟合，通过优化多项式函数可以使用固定滤波器进行卷积运算直接获得多项式中关键参数，基于领域多项式即可快速求出邻域中各个像素不同方向上的梯度特性； S5、以候选目标点为中心，设置不同区域大小范围门槛，优化选择周围区域的划分方案，捕捉不同大小目标的八个方向上的梯度特性； S6、通过对候选目标点对称方向上的区域做差来抑制背景杂波的梯度特性并使用对称区域差的标准差加权梯度响应值； S7、对候选目标梯度特性响应值进行自适应阈值分割方法得到红外弱小目标；步骤S7中自适应阈值可跟据融合后的梯度响应值的均值和标准差计算得出，通过对候选目标点的梯度响应值按照一定的阈值门槛和循环分割计算进行处理，筛选出一定阈值下的非真实的目标点，得到红外弱小目标的精确位置。

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上海理工大学，其通讯地址为：200093 上海市杨浦区军工路516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。