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！

龙图腾网获悉杭州电子科技大学申请的专利一种用于恶劣天气下的红外图像去噪和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：CN118154886B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202410255359.7，技术领域涉及：G06V10/30；该发明授权一种用于恶劣天气下的红外图像去噪和小目标检测方法是由刘诗婕;罗臣琪;秦飞巍;王昌淼;葛瑞泉;彭勇;包建荣设计研发完成，并于2024-03-06向国家知识产权局提交的专利申请。

本一种用于恶劣天气下的红外图像去噪和小目标检测方法在说明书摘要公布了：本发明公开了一种用于恶劣天气下的红外图像去噪和小目标检测方法。首先构建三分类红外图像小目标数据集，随机的将数据集划分为三等份并添加高斯噪声、泊松噪声和椒盐噪声这三种噪声；然后构建用于恶劣天气条件下的红外图像去噪和小目标检测的网络架构，整体框架包括滤波器去噪模块、全分辨率去噪模块和YOLOv5检测器三部分，检测器中使用损失监督函数提高对小目标的检测性能；最后基于加噪的三分类红外图像小目标数据集，对提出的网络架构进行训练，获得红外图像的去噪和识别的模型。本发明去噪模块能够去除噪声并提取图像中关键特征所在的区域，再将关键区域传入检测器得出目标的定位信息和类别信息，可以更好地提高小目标检测的性能。

本发明授权一种用于恶劣天气下的红外图像去噪和小目标检测方法在权利要求书中公布了：1.一种用于恶劣天气下的红外图像去噪和小目标检测方法，其特征在于，包括步骤如下： 步骤1.根据红外图像的去噪和检测识别的任务目标，构建三分类红外图像小目标数据集，随机的将数据集划分为三等份并添加高斯噪声、泊松噪声和椒盐噪声这三种噪声，噪声强度均为10dB； 步骤2.构建用于恶劣天气条件下的红外图像去噪和小目标检测的网络架构，整体框架包括滤波器去噪模块、全分辨率去噪模块和YOLOv5检测器三部分，检测器中使用损失监督函数提高对小目标的检测性能； 步骤3.基于加噪的三分类红外图像小目标数据集，对提出的网络架构进行训练，获得红外图像的去噪和识别的模型； 步骤4.将训练过后的红外图像去噪和小目标检测模型用测试集进行测试，验证模型的精确度AP和平均精确度mAP指标； 雨雪雾这些在恶劣天气下产生的噪声在红外图像上以滤波的形式存在，采用滤波器去噪模块用于处理局部噪声，也能够称为局部去噪模块；滤波器去噪的步骤是将图像依次通过中值滤波器、小波去噪滤波器和锐化滤波器，对图像进行局部去噪，中值滤波和小波去噪滤波用于处理高斯噪声、泊松噪声和椒盐噪声，锐化滤波用于调节红外图像的锐化度；在目标离散的情况下，中值滤波器的公式为： 中值x1,y1＝中位数Ix1+i,y1+j|i＝0,1,...,N-1,j＝0,1,...N-1 其中，中值x1,y1是图像经过中值滤波后的像素值，中位数表示邻域内像素值的中位数，Ix1+i,y1+j是输入图像在位置x1+i,y1+j处的像素值，N是邻域的大小；小波去噪是基于小波变换的图像去噪方法；小波变换将图像分解为不同频率的分量，通过阈值处理去除高频噪声，再进行逆变换；利用小波变换对图像进行分解和重构，小波去噪的方法写作公式为： 小波去噪x1,y1＝W-1TWIx1,y1 其中，W是小波变换,T是阈值函数，用于将小波系数进行阈值处理，W-1是小波逆变换，Ix1,y1是图像特征经过中值滤波器的输出，是表示在x1,y1的像素值；通过中值滤波和小波去噪滤波后，将图像传入锐化滤波来调整图像背景和目标的对比度；锐化滤波器用于突出显示图像细节，公式如下： Fx1,λ＝Ix1+λIx1-GauIx1 其中，Ix1是小波去噪滤波器的输出，表示在坐标x1上的像素值，Gau表示高斯滤波器，参数λ是正比例因子；这种锐化运算对于x和λ都是可微的，能够通过优化参数λ来调整锐化程度，以获得更好的对象检测性能；以上三种滤波器组成了局部去噪模块，通过中值滤波器和小波去噪滤波抑制恶劣天气下的雨雪雾噪声，通过锐化滤波器调整红外图像的锐化度，增强目标的关键区域，利于红外图像中小目标的检测和识别； 全分辨率去噪模块由12个卷积-归一化-激活函数区块、4层残差卷积块和三次跳跃链接组成；全分辨去噪模块按照数据流顺序分为3个阶段，分别为下采样阶段，传递连接阶段和上采样阶段；下采样阶段用于图片的特征提取：图片输入依次经过两层卷积-归一化-激活函数区块后进行卷积下采样得到输入特征A1，输入特征A1依次经过两层卷积-归一化-激活函数区块后进行卷积下采样得到输入特征A2，输入特征A2依次经过两层卷积-归一化-激活函数区块后进行卷积下采样得到输入特征A3；然后进入传递连接阶段：输入特征A3进入中间层的4层卷积残差块得到还原特征B3；上采样阶段用于去噪和特征还原，为加强特征共享其中会进行特征的拼接：B3和A3进行拼接后进行插值上采样再依次经过两层卷积-归一化-激活函数区块得到还原特征B2，B2和A2进行拼接后进行插值上采样再依次经过两层卷积-归一化-激活函数区块得到还原特征B1，B1和A1进行拼接后进行插值上采样再依次经过两层卷积-归一化-激活函数区块得到最终的全分辨去噪图片；全分辨率去噪模块的公式如下所示： Icoarse＝FRMInoise 其中Inoise和Icoarse表示原始加噪的红外图像和经过全分辨率去噪模块后的图像；通过使用L2损失，确保全分辨率模块能够在没有像素失真的情况下获得去噪结果： 其中，是L2损失，Ibg表示无噪声的红外图像。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。