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！

龙图腾网获悉中国矿业大学;燕园智能科技(徐州)有限公司申请的专利一种基于光学特征融合的暗弱空间目标增强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：CN120030502B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202510513213.2，技术领域涉及：G06F18/25；该发明授权一种基于光学特征融合的暗弱空间目标增强检测方法是由赵作鹏;刘文文;成晓涵;李永康;芈欢设计研发完成，并于2025-04-23向国家知识产权局提交的专利申请。

本一种基于光学特征融合的暗弱空间目标增强检测方法在说明书摘要公布了：一种基于光学特征融合的暗弱空间目标增强检测方法，步骤包括：采集暗弱空间场景中的多光谱数据；对采集的多光谱数据进行预处理，包括噪声去除、图像增强和特征提取；采用自适应权重融合算法对多光谱数据进行特征融合，生成融合后的多尺度特征图；利用深度学习目标检测模型结合注意力机制对融合后的特征图进行暗弱目标的检测与定位；引入自监督学习方法对深度学习目标检测模型进行训练，利用未标注数据增强模型的泛化能力；对检测结果进行后处理，输出暗弱空间目标的位置信息与特征描述。通过多光谱特征融合与深度学习检测技术，解决了单一光学成像信息不足的问题，提升了暗弱目标在复杂空间环境下的检测精度与鲁棒性。

本发明授权一种基于光学特征融合的暗弱空间目标增强检测方法在权利要求书中公布了：1.一种基于光学特征融合的暗弱空间目标增强检测方法，其特征在于，包括如下步骤： Step1、采集暗弱空间场景中的多光谱数据，包括中长波红外成像、可见光成像和激光成像光学信息； Step2、对Step1采集的多光谱数据进行预处理，包括噪声去除、图像增强和特征提取；具体步骤为： Step2.1-1、设输入原始图像为I、高斯核大小为k，计算高斯核G的权重值，二维高斯函数的数学表达式为： ； 其中x，y表示空间坐标；σ为标准差，Gx,y为高斯核的权重值；高斯滤波器利用高斯函数生成滤波核，根据上述公式，生成一个的高斯滤波核，其中k表示核的半径大小，即k=3σ； Step2.1-2、在输入图像I（x,y）边界处进行边缘填充，然后对每个像素点与高斯核进行卷积操作，生成滤波后的图像，计算每个像素点的输出值的公式如下： ； 其中I（x-i，y-i）是原图像在位置（x-i，y-j）的像素值；G（x,y）是高斯核中位置（x,y）的权重； Step2.1-3、对高斯核需要进行归一化处理，使得所有权重之和等于1，归一化公式如下： ； Step2.2-1、采用小波变换去噪方法对采集到的红外成像与激光成像进行去噪处理，将图像f（x,y）进行L层小波分解，结果为： ； 小波分解使用低通滤波器hn和高通滤波器gn，通过卷积操作完成分解： ； 其中AL是第L层的低频系数，Dj是第j层的高频系数，Aj+1和Dj+1分别表示第j+1层的低频和高频分量，2k表示下采样； Step2.2-2、对高频分量Dj通过软阈值方法去噪，将高频系数的绝对值减去阈值T，然后根据符号恢复系数的方向，所用的数学表达式为： ； Step2.2-3、通过全局阈值确定最优阈值T，公式为： ； 其中N为图像中的像素个数，为噪声的标准差，可通过高频系数的中位数估计,表达式为： ； Step2.2-4、将Step2.2-2中处理好的高频分量和Step2.2-1中的低频分量AL进行小波反变换，重构去噪后的图像，小波反变换公式如下： ； 反变换过程与分解相反，结合低通滤波器hn和高通滤波器gn进行上采样和卷积运算； Step2.3-1、使用直方图均衡化方法对图像进行亮度和对比度的增强处理，统计输入图像中每个灰度级的像素数量然后计算灰度级的概率密度，计算表达式如下： ； 其中表示灰度值为的像素个数，表示图像的总像素数； Step2.3-2、对每个灰度级，计算其累计分布函数表示从灰度级0到k的累积概率，表达式如下： ； Step2.3-3、根据累计分布函数，将输入灰度值对映射到新的输出灰度，将输入图像中所有像素的灰度值替换为对应的输出灰度值，生成直方图均衡化的图像gx,y，表达式如下： ； Step3、采用自适应权重融合算法对Step2中预处理过的多光谱数据进行特征融合，生成融合后的多尺度特征图； Step4、利用深度学习目标检测模型结合注意力机制对融合后的特征图进行暗弱目标的检测与定位； Step5、引入自监督学习方法对深度学习目标检测模型进行训练，利用未标注数据增强模型的泛化能力； Step6、对Step4的检测结果进行后处理，包括背景噪声过滤与目标精确定位，输出暗弱空间目标的位置信息与特征描述。

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中国矿业大学;燕园智能科技(徐州)有限公司，其通讯地址为：221100 江苏省徐州市铜山区大学路1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”。