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！

龙图腾网获悉北京交通大学申请的专利基于DnCNN与YOLOv8的频高图去噪及识别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：CN119107244B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202411175821.9，技术领域涉及：G06T5/70；该发明授权基于DnCNN与YOLOv8的频高图去噪及识别方法是由陈紫微;毛沄涛;李艳凤;陈后金设计研发完成，并于2024-08-26向国家知识产权局提交的专利申请。

本基于DnCNN与YOLOv8的频高图去噪及识别方法在说明书摘要公布了：本发明提供了基于DnCNN与YOLOv8的频高图去噪及识别方法，该方法包括：将电离层探测图像输入DnCNN模型获得去噪清晰图像；将所述去噪清晰图像输入YOLOv8模型获得识别对象并输出电离层参数。通过精确调整的DnCNN模型，有效地去除了电离层图像中的噪声，保留了关键的回波信息，为后续图像处理提供了高质量的输入；通过对YOLOv8模型的微调，减少了资源消耗，提高了模型训练的效率和对象识别的准确性；实现了电离层探测图像处理的自动化和智能化，提高了处理效率和实用性；适用于需要高精度电离层图像分析的科研和监测应用，具有重要的实用价值和科学意义。

本发明授权基于DnCNN与YOLOv8的频高图去噪及识别方法在权利要求书中公布了：1.基于DnCNN与YOLOv8的频高图去噪及识别方法，其特征在于，包括以下步骤： 将电离层探测图像输入DnCNN模型获得去噪清晰图像；其中，所述DnCNN模型的训练方法包括如下步骤：利用去噪数据集训练DnCNN基础模型，采用均方误差作为损失函数； 将所述去噪清晰图像输入YOLOv8模型获得识别对象并输出电离层参数； 其中，所述YOLOv8模型的训练方法包括如下步骤：使用自然图像预训练YOLOv8基础模型，使用交叉熵损失函数和边界框回归损失函数对所述预训练YOLOv8基础模型进行微调；其中， 所述去噪数据集的构建包括以下步骤： 收集不同地理位置、各种气候条件下的电离层探测图像，并将所述电离层探测图像分成第一组电离层探测图像和第二组电离层探测图像； 对第一组电离层探测图像进行人工去噪和保留回波信息处理，得到第三组电离层探测图像； 将第二组电离层探测图像和第三组电离层探测图像配对，构建模型监督训练的去噪数据集；其中，所述去噪数据集为80％的训练集和20％的验证集，用于模型的训练和性能评估； 还进一步包括以下步骤： 将YOLOv8模型的电离层参数转化成临界频率和虚高； 其中，所述转化临界频率和虚高的公式为： 式中，f表示临界频率，h表示虚高，δf表示电离层频高图横轴单位度量，δh表示电离层频高图纵轴的单位度量，f0表示电离层频高图横轴与纵轴的起始频率，h0表示电离层频高图横轴与纵轴的起始高度，表示边界框的中心相对于图片左上角的横坐标，表示边界框的中心相对于图片左上角的横坐标，表示边界框的宽度，表示边界框的高度。

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北京交通大学，其通讯地址为：100044 北京市海淀区上园村3号北京交通大学科学技术研究院；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”。