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！

龙图腾网获悉石家庄铁道大学申请的专利基于渐进式注意力增强的光学遥感图像显著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：CN120894536B 。

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：202510996076.2，技术领域涉及：G06V10/25；该发明授权基于渐进式注意力增强的光学遥感图像显著目标检测方法是由张云佐;王彤;张璐琦;沙金;张志国;霍磊;王玉江设计研发完成，并于2025-07-18向国家知识产权局提交的专利申请。

本基于渐进式注意力增强的光学遥感图像显著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渐进式注意力增强的光学遥感图像显著目标检测方法，属于计算机视觉技术领域。所述方法包括：对原数据集进行预处理；将预处理后的图像输入层级渐进融合编码器，捕获全局不规则拓扑结构和局部细粒度图像细节，并实现跨层级特征融合；将编码器的输出特征输入全局上下文增强模块，采用并行多分支结构，捕获多层次上下文信息；将层级渐进融合编码器和全局上下文增强模块的输出特征输入多尺度渐进式注意力增强解码器，采用显著性引导的注意力机制，对输入特征进行层级化解码，逐步聚合深层语义信息与浅层细节特征，实现从粗到细的渐进式优化，最终生成显著性图。本发明能有效提升光学遥感图像中不规则的拓扑结构和复杂的上下文关系的处理性能。

本发明授权基于渐进式注意力增强的光学遥感图像显著目标检测方法在权利要求书中公布了：1.一种基于渐进式注意力增强的光学遥感图像显著目标检测方法，其特征在于，包括如下步骤： S1：获取光学遥感图像显著目标检测数据集； S2：对光学遥感图像显著目标检测数据集进行预处理； S3：将预处理后的图像输入层级渐进融合编码器进行特征提取，捕获全局不规则拓扑结构和局部细粒度图像细节；同时，采用层级渐进融合编码器中的渐进交互融合模块，弥合来自全局和局部的多尺度特征间的语义差异，实现跨层级特征融合； 所述的层级渐进融合编码器采用双路径异构融合架构与层级渐进融合机制实现特征提取与融合； 所述的双路径异构融合架构分为细节感知路径和全局建模路径，具体为： 细节感知路径：基于VGG16网络构建，移除其末端全局平均池化层与全连接层，包含五个特征提取阶段，用于捕获图像的局部细节特征； 全局建模路径：基于SwinTransformer网络构建，包含三个特征提取阶段，集成了渐进交互融合模块，用于动态建模图像的全局不规则拓扑结构，并实现跨层级特征融合； 所述的层级渐进融合机制为：将预处理后的图像输入层级渐进融合编码器，首先经过细节感知路径进行特征提取，随着网络向更深层发展，从细节感知路径的第三阶段起，开始与全局建模路径的三个阶段以并行方式处理同层的输入特征，两个路径之间通过渐进交互融合模块实现跨层级特征融合，细节感知路径的局部细粒度图像细节与全局建模路径的全局不规则拓扑结构逐层双向补偿，逐步纯化高质量特征并弥合语义鸿沟； 所述的渐进交互融合模块被嵌入全局建模路径中，通过跨模态注意力交互，自适应融合细节感知路径和全局建模路径的互补特征； S4：将层级渐进融合编码器的输出特征输入全局上下文增强模块，引入非局部块作为前置模块，增强特征的空间相关性；采用并行多分支结构，捕获从局部细节到远距离语义的多层次上下文信息，进一步增强全局上下文信息的建模； S5：将层级渐进融合编码器和全局上下文增强模块的输出特征输入多尺度渐进式注意力增强解码器，采用显著性引导的注意力机制，对输入的特征进行层级化解码； 每级解码单元利用多尺度注意力增强模块作为核心融合单元，多尺度注意力增强模块采用并行注意力增强机制，同时建模空间与通道维度的特征关联，强化显著区域和边界响应，实现输入特征的自适应增强与融合；各级解码单元逐步聚合深层语义信息与浅层细节特征，实现从粗到细的渐进式优化； S6：在训练集上训练模型，保存最佳模型参数；将测试集图像输入模型中，得到显著目标检测结果。

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石家庄铁道大学，其通讯地址为：050043 河北省石家庄市长安区北二环东路17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。