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！

龙图腾网获悉西安理工大学申请的专利聚合频域信息上下文感知的遥感图像旋转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：CN115937718B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202211654747.X，技术领域涉及：G06V20/17；该发明授权聚合频域信息上下文感知的遥感图像旋转目标检测方法是由石争浩;仵晨伟;尤珍臻设计研发完成，并于2022-12-22向国家知识产权局提交的专利申请。

本聚合频域信息上下文感知的遥感图像旋转目标检测方法在说明书摘要公布了：本发明公开了一种聚合频域信息上下文感知的遥感图像旋转目标检测方法，具体包括如下步骤：步骤1，获取预处理后的图像X；步骤2，对步骤1所得图像X进行特征提取、融合以及特征信息解耦，构建聚合频域信息上下文感知的遥感图像旋转目标检测网络模型；步骤3，采用步骤1预处理好的数据集对步骤3构建的模型进行训练，得到训练好的聚合频域信息上下文感知的遥感图像旋转目标检测模型。步骤4，将经步骤1处理的测试集图像放入步骤3训练好的模型，即得。本发明克服了航空遥感图像的复杂背景干扰以及地面目标的类间相似性问题，进而精确地检测地面旋转目标。

本发明授权聚合频域信息上下文感知的遥感图像旋转目标检测方法在权利要求书中公布了：1.聚合频域信息上下文感知的遥感图像旋转目标检测方法，其特征在于：具体包括如下步骤： 步骤1，对HRSC2016数据集中已划分好的训练集和测试集中的图像进行预处理，预处理好的训练集和测试集的图像X； 步骤2，对步骤1所得图像X进行特征提取、融合以及特征信息解耦，构建聚合频域信息上下文感知的遥感图像旋转目标检测网络模型； 步骤3，采用步骤1预处理好的数据集对步骤2构建的模型进行训练，得到训练好的聚合频域信息上下文感知的遥感图像旋转目标检测模型； 所述步骤2的具体过程为： 步骤2.1，使用ResNet152作为骨干网络，同时载入在ImageNet数据集上预先训练好的网络权重，接着将预处理好的图像X作为骨干网络的输入，提取多个不同尺度的图像特征，如下公式1所示；基于PAFPN聚合上述不同尺度的图像特征，得到多尺度聚合特征如下公式2所示： 1 2 步骤2.2，尺度的特征经过高低频特征增强模块后得到聚合上下文信息的特征，如下公式3所示，高低频特征增强模块包括高频支路和低频支路两部分，分别提取不同频率的图像信息来进行特征增强： 3 步骤2.3，根据步骤2.1得到的多尺度聚合特征和步骤2.2得到的聚合上下文信息特征，以相对应的索引进行拼接得到的特征，如下公式4所示： 4 步骤2.4，将步骤2.3得到的特征作为通道注意模块的输入，经过建模不同特征通道之间的关系学习到聚合特征，如下公式5所示： 5 步骤2.5，将步骤2.4得到的聚合特征送入解耦头进行信息解耦，其中聚合特征将转换为四个分支，如下公式6所示：热力图、偏移量、框参数和方位图，四个转换分支均通过两个卷积层实现，第一个卷积层由卷积操作、批量归一化以及激活函数ReLU构成，第二个卷积层由卷积操作构成；全局信息聚合模块整体运算流程如下：对于输入的聚合特征，通过深度可分离的大卷积操作来实现超大感受野的获取，进而获取到信息增益的特征，如公式7所示： 6 7 所述步骤2.2的具体过程为： 步骤2.2.1，对于输入的特征图，在低频支路上通过N1个步伐为2的卷积操作、批量归一化以及激活函数ReLU的组合实现低频特征的提取，获取到低频特征，如公式8所示： 8 步骤2.2.2，在高频支路上，全局上下文信息路径主要通过大卷积核来实现上下文信息的聚合，得到上下文聚合特征，如公式9所示；最大池化路径通过N2个最大池化操作与1×1卷积调节通道的组合来提取到图像信息的高频特征HF，如公式10所示；接着将高频特征和上下文聚合特征以通道维度拼接起来，经过1×1卷积调节通道后得到真正的高频特征图；最后将高频特征与低频特征拼接后作为通道注意力的输入如公式11所示，在实现通道重要性权重筛选后得到输出的聚合上下文信息的特征，如公式12所示： 9 10 11 12 步骤4，将经步骤1处理的测试集图像放入步骤3训练好的模型，最终得到检测目标后的航空遥感图像。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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。