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！

龙图腾网获悉南京航空航天大学申请的专利一种跨空间-频率域的多模态遥感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：CN120279004B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510734301.5，技术领域涉及：G06T7/00；该发明授权一种跨空间-频率域的多模态遥感小目标检测方法是由王建园;张越;陈金宝;石东浩;唐朝;邓骊骁;邵远逵设计研发完成，并于2025-06-04向国家知识产权局提交的专利申请。

本一种跨空间-频率域的多模态遥感小目标检测方法在说明书摘要公布了：本发明涉及遥感图像检测识别领域，公开了一种跨空间‑频率域的多模态遥感小目标检测方法，设计双模态特征级融合目标检测架构，分布式提取可见光、红外各通道特征，并提出跨域门控自注意力融合模块进行双模态特征的交互和融合，最终将多尺度特征融合后输入检测头，获得多模态目标检测结果。其中，跨域门控自注意力融合模块，从频率域角度探索图像全局上下文信息，并引入极化自注意力机制对空间‑频率域差分特征建立长程依赖关系，从而过滤冗余信息，增强多模态互补特征的自适应融合。本发明模型提高了遥感小目标检测的精度和鲁棒性，同时具有极低的计算量，适合星载和机载端移动部署，提高图像处理精度和响应速度。

本发明授权一种跨空间-频率域的多模态遥感小目标检测方法在权利要求书中公布了：1.一种跨空间-频率域的多模态遥感小目标检测方法，其特征在于，包括以下步骤： S1、获取遥感图像，对遥感图像进行预处理得到初始图像； S2、采用改进多模态遥感小目标检测模型对初始图像进行处理得到遥感图像的目标检测结果； 所述改进多模态遥感小目标检测模型包括YOLOv8n双流骨干网络、跨域门控自注意力融合模块和YOLOv8n检测头； S2中采用改进多模态遥感小目标检测模型对初始图像进行处理得到遥感图像的目标检测结果的具体内容为： S201、对初始图像进行划分得到可见光图像和红外图像； S202、采用YOLOv8n双流骨干网络对可见光图像和红外图像分别进行多尺度特征融合后得到图像特征，所述图像特征包括可见光特征和红外特征； S203、设计了跨域门控自注意力融合模块，对可见光和红外特征图像集成频率域信息和空间域信息，生成多尺度的融合特征图； S204、采用YOLOv8n检测头对不同尺度的融合特征图像进行检测得到目标检测结果，所述目标检测结果包括目标位置、目标类别和预测置信度； S203中改进的跨域门控自注意力融合模块CGSA的具体内容包括： 跨域差分特征提取CFE，用于促进集成频率域信息和空间域信息过程中对频率域和空间域互补特征的学习； 自注意力特征融合SAFF，用于引导特征图像中可见光和红外特征的融合，捕捉长距离的依赖关系； 自适应门控AG单元，用于动态分配可见光和红外特征融合的权重，实现更敏感和适应性的特征交叉融合； 所述跨域差分特征提取CFE的运行步骤为： 可见光特征和红外特征经FFT可获得可见光频率特征图和红外频率特征图，可分解得到可见光的幅度分量和相位分量、红外的幅度分量和相位分量，分别表示为： ； ； 对可见光的模态和红外的模态的幅度分量和相位分量进行串联，并经过特征增强操作，产生增强的全局频率特征，幅度分量为，相位分量为，和的表达式分别为： ； ； 其中，Cat[.]代表通道维度级联，和为瓶颈层bottlenecklayer，包含一个1×1卷积用于特征降维，一个RELU激活函数，和一个1×1卷积用于特征升维； 应用逆FFT将增强的全局频率特征变换回空间域，获得经频率域影响的重建特征： ； 代表逆FFT，表示重建特征； 用重建特征分别减去原始空间域特征即可见光特征和红外特征，得到各模态的跨域差分特征，所述各模态的跨域差分特征包括可见光差分特征和红外差分特征，分别表示为： ； ； 其中为可见光差分特征，为红外差分特征，和为1×1卷积操作。

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南京航空航天大学，其通讯地址为：211106 江苏省南京市秦淮区御道街29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”。