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！

龙图腾网获悉吉林大学申请的专利一种智能化的高精度测量仪器小目标分割方法及系统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：CN120580254B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202511082324.9，技术领域涉及：G06T7/12；该发明授权一种智能化的高精度测量仪器小目标分割方法及系统是由武雨航;王言章设计研发完成，并于2025-08-04向国家知识产权局提交的专利申请。

本一种智能化的高精度测量仪器小目标分割方法及系统在说明书摘要公布了：本发明公开了一种智能化的高精度测量仪器小目标分割方法及系统，方法包括原始数据采集、原始数据优化、图像物理增强处理、目标分割模型设计和小目标分割。本发明涉及智能高精度测量仪器小目标分割技术领域，具体是指一种智能化的高精度测量仪器小目标分割方法及系统，本发明通过数据采集得到原始数据；采用仪器校正、光照归一化、边缘保留滤波和尺寸标准化的原始数据优化方法；采用图像物理增强处理构建包含真实物理特性的增强数据集，保障物理一致性的同时扩充小目标多样性，为分割模型提供高保真训练基础；采用多尺度注意力网络模型作为目标分割模型，能够依据仪器特性调整权重，抑制上采样模糊，确保微小目标的完整分割。

本发明授权一种智能化的高精度测量仪器小目标分割方法及系统在权利要求书中公布了：1.一种智能化的高精度测量仪器小目标分割方法，其特征在于：该方法包括以下步骤： S1：原始数据采集，通过进行数据采集，得到小目标分割原始数据集，所述小目标分割原始数据集，具体包括过往分割原始数据集和实时分割原始数据集； S2：原始数据优化，对采集到的原始数据进行优化，得到待分割图像数据集和优化过往原始数据集； S3：图像物理增强处理，用于构建包含真实物理特性的增强数据集，具体为通过融合光学、机械与电子的多物理场噪声模型，得到与真实测量仪器噪声特性一致的增强分割训练集和增强分割测试集； S4：目标分割模型设计，用于构建高精度测量仪器小目标分割所需的模型，具体为构建多尺度注意力网络模型，作为目标分割模型，所述多尺度注意力网络模型，具体包括双分支编码器模块、门控聚合模块、改进解码器模块和微调模块； S5：小目标分割，具体为将所述待分割图像数据集作为所述目标分割模型的输入，进行小目标分割，得到高精度测量仪器小目标分割参考结果，所述高精度测量仪器小目标分割参考结果，具体为所述目标分割模型输出的小目标分割结果； 所述目标分割模型设计，具体包括以下步骤： 步骤S41：双分支编码器模块构建，用于互补式特征提取，具体为通过构建全局语义分支和局部边缘分支进行并行处理，步骤包括： 步骤S411：全局语义分支构建，用于捕获长程依赖关系，具体为通过分层补丁合并和Swin‑Transformer块处理，得到三级降采样特征； 步骤S412：局部边缘分支构建，用于强化边缘响应，具体为通过拉普拉斯算子提取高频分量，并采用最大池化降采样，得到多尺度边缘特征； 步骤S42：门控聚合模块构建，用于特征自适应融合，具体为通过注意力机制关联全局语义和局部边缘信息，得到多尺度融合特征，步骤包括： 步骤S421：特征对齐，用于统一特征空间，具体为通过1×1卷积调整局部边缘分支输出的边缘特征的通道数，得到与全局语义分支输出的降采样特征维度匹配的多尺度优化边缘特征； 步骤S422：设计注意力机制，用于建立跨模态关联，具体为通过全局语义分支输出的降采样特征生成查询，多尺度优化边缘特征生成键和值，得到多尺度注意力输出特征； 步骤S423：门控融合，用于加权融合特征，具体为通过可学习参数控制多尺度注意力输出特征，得到多尺度融合特征； 步骤S43：改进解码器模块构建，用于高精度掩码重建，具体为通过边缘敏感解卷积和锐化激活函数，得到小目标分割结果，步骤包括： 步骤S431：锐化激活函数设计，用于增强微结构响应； 步骤S432：跳跃连接融合，用于恢复空间细节，具体为通过跨层连接融合双分支编码器模块输出的多尺度融合特征与上一层解码层输出特征，得到上采样特征； 步骤S433：边缘敏感解卷积，用于抑制上采样模糊，具体为通过锐化激活函数激活上采样特征，并与双分支编码器模块的局部边缘分支输出的多尺度边缘特征结合，得到解卷积特征； 步骤S44：微调模块构建，用于动态适应仪器特性，作用于每个解码层的解卷积特征，具体为通过物理参数向量生成动态卷积核，并叠加至基础卷积核，之后进行卷积操作，得到解码层输出特征； 步骤S45：构建并训练模型，具体为通过所述双分支编码器模块构建、所述门控聚合模块构建、所述改进解码器模块构建和所述微调模块构建，集成进行多尺度注意力网络模型的构建，基于所述增强分割训练集训练模型，基于所述增强分割测试集验证模型性能，得到多尺度注意力网络模型，作为目标分割模型。

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吉林大学，其通讯地址为：130015 吉林省长春市朝阳区前进大街2699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。