買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉哈爾濱工業大學申請的專利基于多尺度特征聚合增強的遙感圖像目標跟蹤方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116777953B 。

龍圖騰網通過國家知識產權局官網在2025-04-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310650409.7，技術領域涉及：G06T7/246；該發明授權基于多尺度特征聚合增強的遙感圖像目標跟蹤方法是由施天俊;胡建明;鞏晉南;智喜洋;張鵬飛;鮑廣震;張偉設計研發完成，并于2023-06-03向國家知識產權局提交的專利申請。

本基于多尺度特征聚合增強的遙感圖像目標跟蹤方法在說明書摘要公布了：本發明公開了一種基于多尺度特征聚合增強的遙感圖像目標跟蹤方法，所述方法包括如下步驟：步驟1：使用基于編碼?解碼結構的特征提取網絡輸出高分辨率特征圖，特征圖下采樣級為原始圖像的4倍；步驟2：使用多尺度特征聚合模塊規整并聚合步驟1中高分辨率特征圖中的多尺度特征，輸出規整后特征圖；步驟3：對于步驟2規整后的特征圖，通過跨域注意力增強模塊從三路分支捕獲空間、通道維度之間的依賴關系，實現對特征圖的增強；步驟4：基于增強后的特征圖預測目標位置、尺寸、偏移等信息，通過匹配算法實現目標軌跡輸出。該方法可以規整增強不同尺度下的有效特征，減少虛警源干擾，實現復雜場景下的目標跟蹤。

本發明授權基于多尺度特征聚合增強的遙感圖像目標跟蹤方法在權利要求書中公布了：1.一種基于多尺度特征聚合增強的遙感圖像目標跟蹤方法，其特征在于所述方法包括如下步驟：步驟1：使用基于編碼-解碼結構的特征提取網絡輸出高分辨率特征圖，特征圖下采樣級為原始圖像的4倍；步驟2：使用多尺度特征聚合模塊規整并聚合步驟1中高分辨率特征圖中的多尺度特征，輸出規整后特征圖，具體步驟如下：步驟2-1：選用不同尺寸的可變形卷積對步驟1輸出的主干特征F1進行卷積操作，可變形卷積通過對訓練數據的挖掘，學習位置偏移，動態調整感受野；步驟2-2：通過通道拼接操作和1×1卷積實現對于多尺度特征的聚合規整；步驟3：對于步驟2規整后的特征圖，通過跨域注意力增強模塊從三路分支捕獲空間、通道維度之間的依賴關系，實現對特征圖的增強，具體步驟如下：步驟3-1：進行沿通道維的相互依賴關系捕獲，假設輸入的規整后特征圖F2的長、寬、通道數目記為h,w,c，則第一路分支通過最大池化和平均池化提取沿通道維c的像素依賴關系，利用拼接操作得到維度為2,h,w的聚合特征圖再通過尺寸為7×7卷積調整捕獲局部空間維度信息，并且調整通道數目，得到空間維度的顯著性圖計算公式為：SC＝conv7×7[MaxPoolF2,AvePoolF2]式中，MaxPool·和AvePool·分別代表最大池化和空間池化，conv7×7·為7×7卷積；步驟3-2：第二支路和第三支路分別捕獲沿長和寬維度的相互依賴關系，其中，第二支路首先將特征圖沿h方向轉置，通過最大池化和平均池化提取沿空間維h的像素依賴關系，依次利用拼接操作、7×7卷積、沿h方向轉置得到跨維度顯著性圖第三支路則將特征圖沿w方向轉置，通過最大池化和平均池化提取沿空間維w的像素依賴關系，依次利用拼接操作、7×7卷積、沿w方向轉置得到跨維度顯著性圖步驟3-3：利用廣播機制將不同方向的跨維度顯著圖進行加和，再利用Sigmoid非線性激活函數，得到逐像素權值，生成注意力圖A，最終利用注意力圖A對輸入特征圖進行賦權，得到增強后的特征圖F3，計算公式為：F3＝F2×A＝F2×SigmoidSH+SW+SC式中，Sigmoid·為Sigmoid非線性激活函數；步驟4：基于增強后的特征圖預測目標位置、尺寸、偏移信息，通過匹配算法實現目標軌跡輸出。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人哈爾濱工業大學，其通訊地址為：150001 黑龍江省哈爾濱市南崗區西大直街92號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。