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！

龙图腾网获悉上海卫星工程研究所申请的专利基于拉普拉斯特征映射的目标多角度本征特征挖掘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：CN116843906B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202310692714.2，技术领域涉及：G06V10/40；该发明授权基于拉普拉斯特征映射的目标多角度本征特征挖掘方法是由涂尚坦;范季夏;陈占胜;黄金生;胡广清;薛伶玲;艾韶杰;徐莹;姜岩;李科设计研发完成，并于2023-06-12向国家知识产权局提交的专利申请。

本基于拉普拉斯特征映射的目标多角度本征特征挖掘方法在说明书摘要公布了：本发明提供了一种基于拉普拉斯特征映射的目标多角度本征特征挖掘方法及系统，包括：提取目标多角度SAR图像特征；根据所述多角度SAR图像特征，构建目标原始高维观测特征空间；对所述原始高维观测特征空间进行拉普拉斯特征映射，获得映射后的低维本征特征空间；通过所述低维本征特征空间，得到目标角度和流形曲面的分布关系。本发明面向多角度目标SAR图像样本，采用拉普拉斯特征映射的方法找到内蕴在高维观测特征空间中的低维流形曲面，并证实目标随角度变化的规律与流形曲面规律的一致性，为后续多角度目标的特征表征和特征匹配应用奠定基础。

本发明授权基于拉普拉斯特征映射的目标多角度本征特征挖掘方法在权利要求书中公布了：1.一种基于拉普拉斯特征映射的目标多角度本征特征挖掘方法，其特征在于，包括： 步骤S1：提取目标多角度SAR图像特征；所述SAR图像特征包括：基础像素特征、灰度特征、形状特征、纹理特征；所述SAR图像特征在设定尺度下的滤波图像中获取； 步骤S2：根据所述多角度SAR图像特征，构建目标原始高维观测特征空间；步骤S2包括： 步骤S2.1：对所述多角度SAR图像特征分别进行最大最小值归一化处理，计算式如下： 其中，fi为第i个特征值，fmin为所有特征值中的最小值，fmax为所有特征值中的最大值，Fi为归一化到[0,1]范围中的归一化特征值； 步骤S2.2：将处理后的所有特征串联，得到原始高维观测空间特征矩阵记为HighDimFN,M，其中N为样本数，M为串联后的特征维数； 步骤S3：对所述原始高维观测特征空间进行拉普拉斯特征映射，获得映射后的低维本征空间特征矩阵；步骤S3包括： 步骤S3.1：将所述原始高维观测空间特征矩阵作为原始高维观测空间中的数据集X，计算每个数据点的邻域，从而构建邻接图； 步骤S3.2：对所述邻接图加权得到权矩阵，如下式： 其中，表示原始高维观测空间中构建的邻接图中，每个点的近邻点相连的边赋予的权值矩阵；表示自然底数；t表示热核函数系数；表示原始高维观测空间中的数据集中的第i个数据点；表示原始高维观测空间中的数据集中的第j个数据点；表示样本点在原始高维观测空间中的近邻点集合； 步骤S3.3：根据所述权矩阵计算度矩阵，计算公式如下： 其中表示加权邻接图的度量矩阵，所述度量矩阵形式为对角阵，矩阵对角线上的值为每个样本点和近邻点间边的权值之和； 步骤S3.4：通过所述度矩阵与权矩阵之差得到Laplacian矩阵，计算公式如下： 步骤S3.5：对Laplacian矩阵的广义特征值分解，计算公式如下： 取第2个最小特征值到前个最小特征值对应的特征矢量，得到低维嵌入表示为；其中，表示特征值，y表示特征矢量，d表示特征值分解后对特征值按从小到大的顺序排序取得的前d维，k表示低维本征特征维数，表示第i个样本点特征矢量中前2～d+1个特征值对应的特征矢量； 进而得到低维本征空间中的数据集Y即为低维本征空间特征矩阵LowDimFN,d，其中，； 步骤S4：通过所述低维本征特征空间，得到目标角度和流形曲面的分布关系；所述目标角度和流形曲面的分布关系通过获取的低维本征空间特征矩阵中的三个本征维度形成低维流形曲面，建立多角度目标样本索引，探寻目标角度与流形曲面规律的关系； 所述探寻目标角度与流形曲面规律时，通过图像和低维本征特征空间散点图同步动态播放的形式进行。

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卫星工程研究所，其通讯地址为：200240 上海市闵行区元江路3666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。