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！

龙图腾网获悉中国人民解放军32035部队申请的专利一种基于ISAR图像的在轨航天器部件分割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：CN116310332B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202310219021.1，技术领域涉及：G06V10/26；该发明授权一种基于ISAR图像的在轨航天器部件分割方法是由钟卫军;邓小桐;杜鹃;马晨;刘文博;王静;高慧;孟亚楠设计研发完成，并于2023-03-09向国家知识产权局提交的专利申请。

本一种基于ISAR图像的在轨航天器部件分割方法在说明书摘要公布了：本发明公开了一种基于ISAR图像的在轨航天器部件分割方法，包括：构建航天器部件分割网络模型，所述分割网络模型包括图像预处理模块、图像特征提取模块和特征融合模块，图像预处理模块用于对输入分割网络模型的图像进行形态学预处理；图像特征提取模块用于分别提取输入图像的目标边缘特征、目标关键点特征和目标语义特征；特征融合模块用于对目标边缘特征、目标关键点特征和目标语义特征进行融合，并输出部件分割结果；构建训练样本集；利用所述训练样本集对所述分割网络模型进行训练；将待识别的原始图像输入至训练后的分割网络模型中，获得航天器部件分割结果。本发明能够进一步对航天器帆板进行分类，可为航天器行为认知等任务提供基础。

本发明授权一种基于ISAR图像的在轨航天器部件分割方法在权利要求书中公布了：1.一种基于ISAR图像的在轨航天器部件分割方法，其特征在于，包括： S1：构建航天器部件的分割网络模型，所述分割网络模型包括图像预处理模块、图像特征提取模块和特征融合模块，其中，所述图像预处理模块用于对输入所述分割网络模型的图像进行形态学预处理，得到预处理后的图像；所述图像特征提取模块用于分别提取输入图像的目标边缘特征、目标关键点特征和目标语义特征；所述特征融合模块用于对所述目标边缘特征、所述目标关键点特征和所述目标语义特征进行融合，并输出部件分割结果； S2：构建航天器ISAR图像组成的训练样本集； S3：利用所述训练样本集对所述分割网络模型进行训练，获得训练后的分割网络模型； S4：将待识别的原始航天器ISAR图像输入至训练后的分割网络模型中，获得航天器部件分割结果； 所述图像特征提取模块包括目标边缘特征提取单元、目标关键点特征提取单元和目标语义特征提取单元，其中， 所述目标边缘特征提取单元包括依次连接的一个卷积层、两个卷积结构和两个残差块，每个卷积结构包括依次连接的卷积层、激活层和池化层；每个残差块包括若干个残差结构，每个残差结构包括三个卷积层和一次残差运算；每个残差块输出的特征维度利用上采样和特征连接操作统一至第二个卷积结构的输出维度，并将两个残差块与所述第二个卷积结构的特征进行合并，形成目标边缘特征集合； 所述目标语义特征提取单元是由一个自下而上网络和一个自上而下网络组成的金字塔结构，所述自下而上网络用于提取图像不同尺度的基本特征，所述自上而下网络用于对所述自下而上网络的输出结果进行下采样并与所述自上而下网络提取的不同尺度的基本特征进行向上融合，获得包括丰富语义信息的特征； 所述目标关键点特征提取单元连接至所述目标边缘特征提取单元的最后一个残差块的输出端，包括依次连接的残差模块和两次反卷积运算，用于提取输入图像的目标关键点特征； 所述特征融合模块具体用于： 将所述目标边缘特征、所述目标关键点特征和所述目标语义特征进行特征通道连接后的混合特征输入第一个卷积层，输出特征矩阵A，将语义特征输入第二个卷积层，输出特征矩阵B；将所述特征矩阵A和所述特征矩阵B进行内积运算后得到特征矩阵S；将所述特征矩阵S输入第三个卷积层，卷积后与所述目标语义特征按像素相加，得到最终的特征： 其中，表示目标边缘特征集合，表示目标语义特征，表示目标关键点特征，表示卷积运算，表示像素级相加运算，表示softmax函数。

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中国人民解放军32035部队，其通讯地址为：710600 陕西省西安市临潼区环城东路2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。