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！

龙图腾网获悉西安电子科技大学申请的专利一种多目标场景下集成成像3D物体显著性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：CN119540939B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411596258.2，技术领域涉及：G06V20/64；该发明授权一种多目标场景下集成成像3D物体显著性检测方法是由李强;赵迪;李婉芸;董炳智;王晓蕊设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本一种多目标场景下集成成像3D物体显著性检测方法在说明书摘要公布了：本发明公开了一种多目标场景下集成成像3D物体显著性检测方法，所述方法包括微元超分辨率重建、显著性检测、像素位置划分和三维重建四部分。微元超分辨率重建部分基于微元思想分割微图像阵列并进行超分辨率重建；显著性检测部分根据边缘感知原理预测显著区域，并利用残差模块优化图像细节，提高显著性检测准确度；像素位置划分部分利用锚点检测方法实现不同物体的分割，得到单个目标物体的显著微图像阵列并对其进行放大；三维重建部分通过集成成像显示装置重建出单个目标物体的立体显著图像。所述方法不仅能够获得多目标场景下单个目标物体的立体显著图像，避免多物体造成的注意力分散和视觉混淆，还提高了显著性检测的准确度。

本发明授权一种多目标场景下集成成像3D物体显著性检测方法在权利要求书中公布了：1.一种多目标场景下集成成像3D物体显著性检测方法，其特征在于，所述方法由微元超分辨率重建、显著性检测、像素位置划分和三维重建四部分组成，通过训练整理获得的微图像阵列样本集来训练设计的卷积神经网络模型；微元超分辨率重建部分基于微元思想分割微图像阵列获得微图像元集并进行超分辨率重建；显著性检测部分根据边缘感知原理预测显著区域，利用残差模块优化图像细节，组合获得显著微图像阵列；像素位置划分部分利用锚点检测方法，获得单个目标物体的边界信息，实现不同物体的分割，得到单个目标物体的显著微图像阵列并对其进行放大；三维重建部分利用集成成像显示装置重建出单个目标物体的立体显著图像； 所述显著性检测利用监督式编码-解码器结构，同时捕获微图像元的上下文信息和低级细节特征；该结构根据边缘感知原理预测显著区域，并通过残差细化来增强预测的精度；最后，将显著微图像元集组合排列，获得完整的显著微图像阵列，并且与真实值进行比对，获得损失函数的数值，以此反馈指导网络的优化与学习过程，确保显著微图像阵列的高质量输出； 所述的编码器由输入层和六个卷积模块组成，输入层有64个卷积过滤器；前四个卷积模块采纳IResNet框架的主阶段设计理念，每个主阶段都包含有起始残差块、中间残差块和结束残差块三种基本结构；后两个卷积模块在最大池化后卷积获得与输入微图像元相同的感受野；所述解码器与编码器对称； 所述的根据边缘感知原理预测显著区域的过程为利用图像中边缘灰度变化最剧烈的特点，对图像各个像素点进行微分或求二阶微分来确定边缘像素点，然后计算检测到的边缘的强度或响应值，之后基于边缘强度或响应值计算每个像素点的显著性分数并将其转换为显著性图像； 所述像素位置划分，在主干网络部分使用重参数化VGG网络提取图像特征，在有效检测头部分通过回归子网络预测目标位置或边界框坐标，最后扫描微图像阵列，根据每个微图像元的判别结果，分割图像获得单个目标物体的显著微图像阵列，并对其进行放大；同时，针对显著微图像阵列的真实值进行人工标注分割和放大，获得单个目标物体显著微图像阵列的真实值，与测试结果比对，获得损失函数的具体数值； 所述的锚点相当于在待预测的微图像阵列上预设出可能的物体边界框，即预设出特征数据可能代表的物体区域，每个区域通常由尺寸和比例两个属性构成，即区域面积和区域矩形的宽高比例，也可以是锚点宽高数据；每个锚点都是在特征图像素点的基础上设置的，同一特征可以同时预设多个尺度不同的锚点；所述的锚点检测是指根据预测出的不同尺寸的锚点进行扫描探测，获得物体的边界框。

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电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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。