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！

龙图腾网恭喜宁波工程学院申请的专利基于扩散模型的红外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：CN119313913B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202411858456.1，技术领域涉及：G06V10/30；该发明授权基于扩散模型的红外小目标检测方法是由叶文亚;马朋朋;谷云秋;周麟刚;邬浩亮;屠晨浩;李超;陆飞勇;郑彬淏;叶之夫;戴臻熹;朱建海;王磊设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本基于扩散模型的红外小目标检测方法在说明书摘要公布了：本发明属于红外目标检测技术领域，具体涉及基于扩散模型的红外小目标检测方法，其步骤：S1、构建双分支架构的条件扩散网络模型，该模型整合了条件网络分支用于从输入红外图像中充分提取先验特征以及去噪网络分支用于从噪声掩码中恢复出干净掩码；S2、构建双维Transformer模块，通过空间与通道维度的联合分析，显著增强模型对复杂背景下目标的全局结构与细部特征的识别能力；S3、设计交叉注意力融合模块，通过计算条件先验分支以及去噪分支之间的交叉注意力，实现条件先验分支信息对去噪分支精确引导。其解决了“提升红外小目标识别的精确度和可靠性”的技术问题。其将红外小目标检测任务转化为生成范式解决方案，显著提升了小目标识别的精确度和可靠性。

本发明授权基于扩散模型的红外小目标检测方法在权利要求书中公布了：1.一种基于扩散模型的红外小目标检测方法，其特征在于，包含以下步骤：S1、构建双分支架构的条件扩散网络模型，该模型整合了条件网络分支用于从输入红外图像中充分提取先验特征以及去噪网络分支用于从噪声掩码中恢复出干净掩码；S2、构建双维Transformer模块，通过空间与通道维度的联合分析，显著增强模型对复杂背景下目标的全局结构与细部特征的识别能力；S3、设计交叉注意力融合模块，通过计算条件先验分支以及去噪分支之间的交叉注意力，实现条件先验分支信息对去噪分支精确引导；所述步骤S1，包括以下步骤：S1.1条件扩散网络模型包含有前向扩散以及逆向去噪两个过程；前向过程基于马尔可夫链向干净目标掩码逐步加入高斯噪声：，最终得到接近纯高斯噪声的图像，其中时间步为，，表示最大时间步长；是一个预定义的单调递增的时间步长参数；是从标准正态分布中采样的噪声；后向过程则通过逆马尔可夫链逐步去除噪声，从高斯分布逐步恢复到原始的干净目标掩码；对于每个时间步，该去噪恢复过程可以表示为： ；其中表示去噪模型，表示其参数，，；去噪模型包含条件先验分支和去噪分支两部分；S1.2条件先验分支的输入为红外图像，首先通过单一卷积层提取图像的浅层特征；接着，利用三组双维Transformer模块从红外图像中提取有效的先验特征，这些特征将作为去噪分支的引导信息；为了增强网络对多尺度信息的感知能力，在前两组双维Transformer模块后引入了二倍下采样操作；最终，将最后一组双维Transformer模块的输出送入残差块，经过上采样操作后，将结果与第二组双维Transformer模块的输出在通道维度进行拼接，并输入到残差块中进行信息融合；类似地，对残差块的输出进行二倍上采样，将特征恢复到红外图像的原始分辨率，并与第一组双维Transformer模块的输出在通道维度进行拼接，再通过相应的残差块进行多尺度目标信息的整合，最终将该输出作为去噪分支的引导信息；S1.3将红外图像以及带噪掩码特征拼接后作为去噪分支的输入，并通过单卷积层提取浅层特征；去噪分支主要包含有编码器及解码器两部分，分别由三组串联的双维Transformer模块组成用于提升模型去噪能力；在编码器和解码器中间采用交叉注意力融合模块将编码后的信息与经过条件先验分支所提取出的引导信息进行整合，有效对带噪掩码进行去噪；最后，对解码器的输出结果进行单层卷积操作，得到最终的干净掩码。

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宁波工程学院，其通讯地址为：315021 浙江省宁波市江北区风华路201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”。