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！

龙图腾网恭喜浙江越达图谱科技有限公司申请的专利一种基于表示学习的红外小目标检测方法及装置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：CN117853760B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202310615484.X，技术领域涉及：G06V10/70；该发明授权一种基于表示学习的红外小目标检测方法及装置是由骆源;王晶;厉锐设计研发完成，并于2023-05-29向国家知识产权局提交的专利申请。

本一种基于表示学习的红外小目标检测方法及装置在说明书摘要公布了：本发明公开了一种基于表示学习的红外小目标检测方法及装置。包括：1将原始热红外图像序列，构造非重叠块时空张量；2考虑背景、目标和噪声的特性，搭建基于低秩稀疏张量表示学习的架构；3利用全连接张量环分解，定义全连接张量核范数，建立低秩背景表示学习模型；4设计三维时空加权全变分正则化项，保护不同背景区域的边缘结构并去除噪声，降低背景对目标检测的影响；5在上述步骤的基础上，建立基于低秩稀疏表示学习的时空张量模型；6利用ADMM算法优化求解模型，获得目标检测结果，实现红外弱小目标检测。本发明利用设计的低秩稀疏表示学习模型和基于ADMM优化算法能够有效实现红外弱小目标的检出。

本发明授权一种基于表示学习的红外小目标检测方法及装置在权利要求书中公布了：1.一种基于表示学习的红外小目标检测方法，其特征在于，包括如下步骤：步骤1：对于原始热红外图像序列D，按照图像帧的顺序依次堆叠图像帧，实现从原始图像序列D到时空张量的转化；步骤2：考虑背景张量目标张量和噪声张量的特性，构造背景字典和系数张量对背景张量进行低秩表示，对目标张量进行稀疏估计，并搭建基于低秩稀疏张量表示学习的架构；步骤3：对系数张量进行全连接张量环分解得到系数张量因子集合其包含三个系数张量因子和利用所有系数张量因子的张量核范数的加权和，构建非凸低秩估计范数，即全连接张量核范数以度量系数张量的低秩性质，并建立低秩背景表示学习模型；所述的步骤3具体为：对系数张量进行全连接张量环分解，得到3个系数张量因子和所有系数张量因子的集合记作其计算公式为 其中，Ψ·表示全连接张量环分解算子，R1,2、R1,3、R2,3为系数张量因子的尺度；的第一、二维度的尺度分别与的第二、一维度的尺度一致，的第三维度的尺度与的第二维度的尺度一致，的第一维度的尺度与的第三维度的尺度一致，I2即为图像帧的宽度，I3即为连续图像帧的数量；更具体地，全连接张量环分解的逐元素形式表示为： 其中，表示位于系数张量中i,j,k位置的元素，表示位于系数张量因子中i,r1,2,r1,3位置的元素，表示位于系数张量因子中r1,2,j,r2,3位置的元素，表示位于系数张量因子中r1,3,r2,3,k位置的元素，i∈[1,I2]，j∈[1,I2]，k∈[1,I3]，“·”表示元素相乘符号；由系数张量经过全连接张量环分解得到的三个系数张量因子和的张量核范数的加权和，定义全连接张量核范数||·||FCTNN，计算公式为： 其中，ωm表示第m个系数张量因子的张量核范数的权重，是系数张量因子经快速傅里叶变换后的第i张正面切片，Rm,3,m＝1,2表示第m个系数张量因子的第三维的尺度，||·||*表示核范数计算算子；由此，低秩背景表示学习模型为： 其中，λ为正平衡参数；步骤4：设计加权各向同性与异性的全变分正则化项，构建背景张量的三维时空加权全变分范数保护红外图像背景中不同区域的边缘结构，去除噪声，降低背景对目标检测的影响；步骤5：结合步骤3、步骤4以及稀疏度加权策略，在步骤2的基于低秩稀疏张量表示学习的架构的基础上，建立基于低秩稀疏表示学习的时空张量模型；步骤6：求解基于低秩稀疏表示学习的时空张量模型，获得目标张量并重构红外目标检测结果图，得到小目标检测结果图序列T，实现热红外小目标检测。

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浙江越达图谱科技有限公司，其通讯地址为：322100 浙江省金华市东阳市南马镇双桐村万洋众创城28幢401室；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”。