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！

龙图腾网获悉安徽建筑大学申请的专利一种基于频域与空域协同的海岸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：CN121392578B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202511485371.8，技术领域涉及：G06V20/10；该发明授权一种基于频域与空域协同的海岸红外小目标检测方法是由孙光灵;朱崇博;汪子豪;郝道扩;周晨;侯婉莹设计研发完成，并于2025-10-17向国家知识产权局提交的专利申请。

本一种基于频域与空域协同的海岸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频域与空域协同的海岸红外小目标检测方法，包括：1获取海岸红外图像数据集并预处理，令任意一张红外图像为及对应的二值掩膜标签为；2构建包含海杂波频谱抑制模块和上下文引导模块的红外小目标检测网络，并对进行处理，得到预测的分割掩膜；3基于与构建复合损失函数；4利用梯度下降优化网络参数，得最终的红外小目标检测模型，用于输出检测结果。本发明能实现对待检测红外图像中小目标的精准检测，从而能满足海岸红外小目标检测需求。

本发明授权一种基于频域与空域协同的海岸红外小目标检测方法在权利要求书中公布了：1.一种基于频域与空域协同的海岸红外小目标检测方法，其特征在于，包括以下步骤：步骤1、获取海岸红外图像数据集并进行预处理，得到预处理后的海岸红外图像图像集及其对应的二值掩膜标签集；令所述预处理后的海岸红外图像图像中任意一张海岸红外图像记为，且的高度为，的宽度为；令的二值掩膜标签记为； 步骤2、构建红外小目标检测网络，包括：海杂波频谱抑制模块、上下文引导模块，并对进行处理，得到预测的分割掩膜； 步骤2.1、所述海杂波频谱抑制模块对处理，得到抑制海杂波后的空间域图像； 步骤2.2、所述上下文引导模块包括：上下文引导编码器、特征融合解码器，并对进行处理，得到预测的分割掩膜； 步骤2.2.1、上下文引导编码器，包括：CGBlock模块、轻量级编码器，并对进行处理，得到多尺度层次化特征图集合； 步骤2.2.2、特征融合解码器对处理，得到预测的分割掩膜；步骤2.2.1.1、CGBlock模块包括：局部特征提取器，周围上下文提取器，联合特征提取器，全局上下文提取器；步骤a、局部特征提取器利用一个卷积层对进行处理，得到局部特征； 步骤b、周围上下文提取器使用第m个不同的膨胀率的深度可分离卷积层对进行处理，得到第m个周围上下文特征； 步骤c、在通道维度上将与拼接后，输入所述联合特征提取器中，并经过一个卷积层与激活函数的处理后，得到第m个联合特征； 步骤d、全局上下文提取器利用一个全连接层将的通道数进行压缩后，再使用激活对压缩后的特征进行处理，得到第m个压缩特征，同时，利用另一个全连接层将的通道数恢复为原始大小，得到第m个通道注意力的权重向量，从而利用式1得到第m通道增强特征； 1 式1中，为函数，表示逐通道乘法； 步骤2.2.1.2、轻量级编码器，包括：序列化和嵌入层、L层的编码单元和重排单元，其中，每层编码单元包含：一个多头自注意力机制层和前馈神经网络； 步骤A、序列化和嵌入层将分割并展平为若干个图像块，并通过一个线性投影层将每个图像块映射为一个特征向量，从而构成第m个图像块嵌入序列；再将添加待学习的位置编码后，形成第m个编码嵌入序列； 步骤B、依次经过L层的编码单元的层叠计算，得到第m个编码后的特征序列； 步骤C、重排单元将中每个图像块对应的编码特征重排为与具有相同宽和高的第m尺度层级特征图Em，从而得到多尺度层级特征图集合{Em|m=1,2,…,M}，其中，为最浅层级的增强特征，EM为最深层级的增强特征，M表示总尺度层级数； 步骤3、基于和构建复合损失函数；步骤4、利用梯度下降算法优化并更新红外小目标检测网络的所有权重参数，当复合损失函数收敛或达到最大训练迭代次数时停止训练，得到最终红外小目标检测模型，用于对待检测的红外图像进行处理，输出小目标检测结果。

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安徽建筑大学，其通讯地址为：230601 安徽省合肥市经济技术开发区紫云路292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。