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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜昆明理工大學申請的專利一種在可見光-紅外圖像質(zhì)量不穩(wěn)定下的目標檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN117011544B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202310754179.9，技術(shù)領域涉及：G06V10/42；該發(fā)明授權(quán)一種在可見光-紅外圖像質(zhì)量不穩(wěn)定下的目標檢測方法是由王青旺;池永柯;沈韜;孫雨軒;劉佳麗設計研發(fā)完成，并于2023-06-26向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種在可見光-紅外圖像質(zhì)量不穩(wěn)定下的目標檢測方法在說明書摘要公布了：本發(fā)明涉及一種在可見光?紅外圖像質(zhì)量不穩(wěn)定下的目標檢測方法。本發(fā)明先重建可見光和紅外圖像的不穩(wěn)定目標信息，得到增量信息圖像；將增量信息圖像與原始可見光和紅外圖像進行融合，得到包含增量信息的可見光和紅外圖像；將可見光和紅外圖像輸入到特征提取網(wǎng)絡中，提取可見光和紅外圖像的全局特征；將全局特征輸入到核相似性度量模塊中，得到平衡優(yōu)化網(wǎng)絡的相似性權(quán)重；將相似性權(quán)重與全局特征相乘，得到平衡性優(yōu)化的特征；將特征輸入到特征融合模塊中，得到融合后的特征圖；將特征圖輸入到檢測器進行目標檢測。本發(fā)明能有效挖掘可見光和紅外圖像的增量信息，增強目標檢測器對信息質(zhì)量不穩(wěn)定的可見光和紅外圖像的檢測魯棒性。

本發(fā)明授權(quán)一種在可見光-紅外圖像質(zhì)量不穩(wěn)定下的目標檢測方法在權(quán)利要求書中公布了：1.一種在可見光-紅外圖像質(zhì)量不穩(wěn)定下的目標檢測方法，其特征在于：Step1：將可見光和紅外圖像輸入到擴撒模型中，重建可見光和紅外圖像的不穩(wěn)定目標信息，得到增量信息圖像；Step2：將Step1得到增量信息圖像與原始可見光和紅外圖像進行融合，得到包含增量信息的可見光和紅外圖像；Step3：將Step2得到的可見光和紅外圖像輸入到特征提取網(wǎng)絡中，提取可見光和紅外圖像的全局特征；Step4：將Step3得到的特征輸入到核相似性度量模塊中，得到平衡優(yōu)化網(wǎng)絡的相似性權(quán)重；Step5：將Step4得到的權(quán)重與Step3得到的特征相乘，得到平衡性優(yōu)化的特征；Step6：將Step5得到的特征輸入到特征融合模塊中，以融合可見光和紅外圖像特征的互補信息，得到融合后的特征圖；Step7：將Step6得到的特征圖輸入到檢測器進行目標檢測；Step1中所述的重建可見光和紅外圖像的不穩(wěn)定目標信息的方式為先將可見光和紅外圖像進行融合，然后將融合后得到的圖像轉(zhuǎn)換成正態(tài)分布，具體為： 式中，rgb_images和thermal_images分別表示可見光和紅外圖像，Φ·代表將數(shù)據(jù)轉(zhuǎn)換成正態(tài)分布操作，代表擬擴散過程的采樣操作，Ic代表得到的增量信息圖像；Step4中所述的核相似性度量模塊為設計卷積層和全連接層，將可見光和紅外圖像特征映射為兩個低維度特征向量，然后基于兩個低維度特征向量，使用高斯核函數(shù)計算兩個低維度特征向量的相似性，得到相似性權(quán)重，具體為： 式中，和分別代表可見光和紅外圖像特征的低維度向量，σ表示高斯核函數(shù)的參數(shù)，W表示相似性權(quán)重。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人昆明理工大學，其通訊地址為：650031 云南省昆明市一二一大街文昌路68號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。