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！

龙图腾网获悉烟台大学申请的专利一种针对低能见度图像的遥感目标检测方法及系统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：CN120747487B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202511249600.6，技术领域涉及：G06V10/25；该发明授权一种针对低能见度图像的遥感目标检测方法及系统是由宋永超;董骥扬;刘兆伟;王璇;权威;单垚;姜岸佐;阎维青;王玲玲;徐树振设计研发完成，并于2025-09-03向国家知识产权局提交的专利申请。

本一种针对低能见度图像的遥感目标检测方法及系统在说明书摘要公布了：本发明涉及遥感监测技术领域，尤其是涉及一种针对低能见度图像的遥感目标检测方法及系统。方法包括获取多模态遥感图像数据；对低能见度输入图像进行去雾增强处理；将去雾后的RGB与IR图像归一化后进行拼接融合；采用融合Transformer、Mamba和CNN的混合主干结构，对多模态融合图像进行逐层编码；基于二维小波变换对主干输出特征进行频域分解；通过自适应选择关键区域生成HR特征图；基于对HR特征图进行跨尺度聚合得到检测目标框。本发明通过多模态图像去雾增强及特征蒸馏机制，有效增强遥感图像在雾霾、雨天等恶劣天气下的清晰度与对比度，减弱环境退化对小目标检测的遮挡干扰，增强模型在复杂天气场景中的稳定性和适应性。

本发明授权一种针对低能见度图像的遥感目标检测方法及系统在权利要求书中公布了：1.一种针对低能见度图像的遥感目标检测方法，其特征在于，包括： 获取多模态遥感图像数据； 对低能见度输入图像进行去雾增强处理； 将去雾后的RGB与IR图像归一化后进行拼接融合； 采用融合Transformer、Mamba和CNN的混合主干结构，对多模态融合图像进行逐层编码； 基于二维小波变换对主干输出特征进行频域分解； 通过自适应选择关键区域生成HR特征图； 基于对HR特征图进行跨尺度聚合得到检测目标框； 所述采用融合Transformer、Mamba和CNN的混合主干结构，对多模态融合图像进行逐层编码，包括在高分辨率阶段，使用轻量CNN模块提取边缘、纹理局部信息，适配小目标检测任务；在中分辨率阶段，引入基于Mamba的状态空间建模模块，采用多方向扫描机制以捕捉旋转、变形目标的全局结构；在低分辨率阶段，结合基于多尺度滑窗注意力的Transformer模块，实现对大尺度目标的语义建模与区域关注，各阶段特征通过跨层连接与多尺度融合构成完整的特征金字塔，输出多尺度特征图；其中，动态卷积模块根据输入特征内容自适应生成卷积核权重，实现对不同图像区域的个性化处理，表示为： 式中，为根据输入特征x生成的权重系数，为对应的动态卷积核，*为卷积操作； 所述通过自适应选择关键区域生成HR特征图，包括从融合主干网络中选取多尺度特征，其中，低级特征首先输入至通道重校准模块，以强化与重构相关的关键纹理通道响应；高级特征则经过上采样操作以匹配低级特征的空间分辨率；随后两者进行连接操作，融合为一组空间对齐的多尺度特征；融合特征通过两个串联的CR模块处理，以增强通道间依赖并抑制冗余背景信息；其中，训练阶段，根据公式，计算重建图像与原始输入之间的像素差异；其中S表示SR分支上采样生成的重建图形，X表示原始输入图像；根据公式， ， 得到目标检测损失；其中，、、是三个损失函数的不同层的权重，权重、、调节框坐标、框维度和对象性、非对象性和分类之间的误差强调；根据公式，得到总损失，其中、为损失权重因子； 还包括通过自适应选择关键区域减少计算量其中，通过公式C得到粗注意力C，式中，Q、K、V是通过1×1卷积生成的查询、键和值，T是转置，dk线向量K的维度，高层特征的K和V对底层Q进行跨层注意力计算，并计算细注意力，表示为，得到细注意力后，式中，和是根据全局相似度s筛选出前k个最具信息量的键值对索引并映射到底层特征网络中得到的细粒度令牌，通过公式， ， 得到最终输出，其中，表示卷积，表示上采样，表示深度卷积。

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烟台大学，其通讯地址为：264003 山东省烟台市莱山区清泉路30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。