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！

龙图腾网获悉广东海洋大学深圳研究院申请的专利基于FAST特征与HSO算法的无人机图像船舶检测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：CN121190755B 。

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：202511738498.6，技术领域涉及：G06V10/25；该发明授权基于FAST特征与HSO算法的无人机图像船舶检测方法及系统是由徐进;屠高瑞;刘星星;夏海友;骆昱;雷杰文;林志宇设计研发完成，并于2025-11-25向国家知识产权局提交的专利申请。

本基于FAST特征与HSO算法的无人机图像船舶检测方法及系统在说明书摘要公布了：本发明提出一种基于FAST特征与HSO算法的无人机图像船舶检测方法及系统，涉及红外图像处理技术领域。解决传统方法无法高效ROI定位及分割阈值效果差的问题。本发明的技术要点包括：对目标无人机图像进行FAST特征检测，并根据特征检测的结果确定兴趣区图像；对兴趣区图像采用HSO算法确定候选检测阈值集合，对候选检测阈值集合进行迭代寻优处理，直到满足终止条件，并输出满足终止条件时的检测阈值；采用检测阈值对兴趣区图像进行图像分割，并对分割后的图像进行船舶检测，获得目标无人机图像中的船舶检测结果。本发明可以大幅缩小处理范围，提升目标检测分割阈值搜索效率，增强抗噪性，形成适配多复杂场景的图像目标提取技术体系。

本发明授权基于FAST特征与HSO算法的无人机图像船舶检测方法及系统在权利要求书中公布了：1.基于FAST特征与HSO算法的无人机图像船舶检测方法，其特征在于，包括： 对目标无人机图像进行FAST特征检测，并根据特征检测的结果确定兴趣区图像； 对兴趣区图像采用HSO算法确定候选检测阈值集合，对所述候选检测阈值集合进行迭代寻优处理，直到满足终止条件，并输出满足终止条件时的检测阈值； 采用所述检测阈值对兴趣区图像进行图像分割，并对分割后的图像进行船舶检测，获得目标无人机图像中的船舶检测结果; 所述对兴趣区图像采用HSO算法确定候选检测阈值集合，包括： 设定检测阈值的空间范围； 在所述空间范围内，按照种群初始化规则，随机生成S个候选检测阈值，并生成候选检测阈值集合； 在所述空间范围内，按照种群初始化规则，随机生成S个候选检测阈值，并生成候选检测阈值集合包括： 生成规模为S的候选检测阈值集合X，公式为： ； X：候选检测阈值集合，包含S个独立候选检测阈值； ：候选检测阈值集合中第i个检测阈值； ：生成0-1区间均匀分布的随机数； L,U：检测阈值的空间范围的下界与上界； 对所述候选检测阈值集合进行迭代寻优处理，包括： 适应度评估步骤：对所述候选检测阈值集合中的每个候选检测阈值进行适应度评估，获得候选适应度值； 迭代更新步骤：对所述候选检测阈值集合中的每个候选检测阈值进行随机迭代处理，生成迭代后的检测阈值；对迭代后的每个检测阈值进行适应度评估，获得迭代适应度值； 对比每个候选检测阈值的候选适应度值和对应的迭代适应度值，根据对比结果，确定在所述候选检测阈值集合保留所述候选检测阈值，或者利用迭代后的检测阈值替换所述候选检测阈值； 重复适应度评估步骤与迭代更新步骤，并与终止条件进行匹配； 适应度评估步骤包括：通过适应度函数计算所述候选检测阈值集合中的每个候选检测阈值的优劣程度，所示适应度函数的表达式为： ； ：候选检测阈值的适应度值； 为最大类间方差，对于阈值T，前景占比、均值，背景占比、均值类间方差为： ； ：前景像素在图像中的占比，即灰度值＞T的像素数量总像素数量； ：前景像素的灰度均值，所有灰度值＞T的像素的灰度值平均； ：背景像素在图像中的占比，即灰度值≤T的像素数量总像素数量，满足； ：背景像素的灰度均值，所有灰度值≤T的像素的灰度值平均； 为动态奖励项，表达式为： ； 其中，阈值偏好因子为： ； 当时，，为最大奖励； 当时，0，为无奖励； [L,U]为预设检测阈值的空间范围； 为归一化的类间方差，表达式为： 。

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广东海洋大学深圳研究院，其通讯地址为：518120 广东省深圳市大鹏新区大鹏街道大鹏办事处深圳国际生物谷海洋生物产业园A栋23栋；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。