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！

龙图腾网获悉浙江大学申请的专利一种基于非重叠块时空张量模型的热红外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：CN115690381B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202211429557.8，技术领域涉及：G06V10/10；该发明授权一种基于非重叠块时空张量模型的热红外小目标检测方法是由厉小润;骆源;陈淑涵设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本一种基于非重叠块时空张量模型的热红外小目标检测方法在说明书摘要公布了：本发明公开了一种基于非重叠块时空张量模型的热红外小目标检测方法。包括：1利用原始热红外图像序列，以特定的规则构造非重叠块时空张量；2将红外弱小目标检测任务转化为张量鲁棒主成分分析问题，搭建低秩稀疏张量分解框架；3利用张量的多模式展开和拉普拉斯函数，获得背景张量的非凸低秩估计范数；4利用重加权策略，获得目标张量的稀疏度估计；5利用管状稀疏正则化项，度量稀疏结构成分,并利用Frobenius范数度量噪声；6基于改进的ADMM算法优化求解模型，获得目标张量成分，并重构目标检测结果图像，实现红外弱小目标检测。本发明利用设计的低秩稀疏张量分解框架和改进的基于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非重叠块时空张量模型的热红外小目标检测方法在权利要求书中公布了：1.一种基于非重叠块时空张量模型的热红外小目标检测方法，其特征在于，包括如下步骤： 步骤1：利用原始热红外图像序列D，在每一帧图像上以固定的滑动步长滑动固定尺寸的窗口，对获得的图像块进行依次堆叠，实现从原始图像序列到非重叠块时空张量的变换； 步骤2：将热红外弱小目标检测任务转化为张量鲁棒主成分分析问题，搭建低秩稀疏张量分解框架； 步骤3：利用张量的模式-k1k2展开和奇异值的拉普拉斯函数值之和，构建非凸低秩估计范数，即多模式加权张量核范数||·||MWTNN，度量背景张量的低秩特性； 步骤4：估计目标张量的稀疏度，并利用稀疏度重加权策略加快算法求解速度； 步骤5：利用范数作为管状稀疏正则化项，度量强边缘等线性稀疏结构张量ε，同时利用Frobenius范数度量噪声张量 步骤6：经步骤3-步骤5后，低秩稀疏张量分解框架转化为可解的优化模型，求解优化模型，获得目标张量成分然后按照步骤1中构建非重叠块时空张量的逆变换方式，重构目标检测结果图像序列T，得到热红外弱小目标检测结果； 所述步骤2具体为： 非重叠块时空张量视作背景张量目标张量和噪声张量的线性组合，公式为： 考虑到背景的低秩特性和目标的稀疏特性，将热红外小目标检测任务转化为张量鲁棒主成分分析问题，搭建低秩稀疏张量分解框架，如公式2所示： 其中，rank·表示秩计算算子，||·||0表示范数，||·||F表示Frobenius范数，λ1表示协调参数，δ表示噪声误差项； 考虑到在复杂情况下具有流线外观的非目标物体通常呈现线性稀疏结构的性质，并且由这些结构产生的异常可能被误检为目标成分，因此将非重叠块时空张量建模为背景张量、目标张量、稀疏结构张量ε和噪声张量的线性组合，公式为：

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大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。