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！

龙图腾网获悉南京航空航天大学;南京航空航天大学深圳研究院申请的专利融合像素级先验知识与模板匹配的SAR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：CN120564060B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202511063904.3，技术领域涉及：G06V20/10；该发明授权融合像素级先验知识与模板匹配的SAR目标检测方法是由郭二娜;朱岱寅设计研发完成，并于2025-07-31向国家知识产权局提交的专利申请。

本融合像素级先验知识与模板匹配的SAR目标检测方法在说明书摘要公布了：本发明公开了一种融合像素级先验知识与模板匹配的SAR目标检测方法，根据SAR目标切片数据集，获取目标的强度统计信息；依据先验知识，通过滑动窗遍历待检测全景图，获得像素点位置信息；进行K‑means聚类得到初步预测目标的中心位置坐标；使用网格距离判断和像素值分布先验知识对预测中心点进行筛选；加载已训练完成的分类模型权重，提取全景图中预测目标并送入分类网络进行识别，对结果进行NMS处理，使用IOU过滤，去除同类目标检测出的冗余框；进行目标模板SIFT特征匹配，滤除背景杂波对预测结果的干扰；获得包含目标类别的检测结果。本发明避免了基于深度学习的目标检测的不可解释性，提高了检测网络的适用性。

本发明授权融合像素级先验知识与模板匹配的SAR目标检测方法在权利要求书中公布了：1.一种融合像素级先验知识与模板匹配的SAR目标检测方法，其特征在于，包括以下步骤： S1：根据SAR图像中目标切片的数据集，获取目标在切片图像中表现出的像素级先验知识； S2：根据目标在SAR图像中较强的散射强度特性，通过滑动窗遍历全景图来判断滑动窗所在区域中满足S1像素级先验知识的位置信息； S3：对S2中得到的位置信息进行K-means聚类得到中心位置坐标； S4：为避免S2中滑动窗临近区域存在重叠部分导致同一目标在聚类后得到的目标中心点临近问题，使用网格距离抑制对S3中预测中心位置坐标进行筛选； S5：加载已训练完成的分类网络最优权重，提取全景图中预测目标并送入分类网络进行识别； S6：对S5中分类网络的预测结果进行非极大值抑制处理，去除同类目标检测出的冗余框，对检测结果进行优化； S7：对非极大值抑制处理后的检测结果进行SIFT特征匹配，滤除背景杂波对预测结果的干扰； S8：根据S7后的最终预测信息计算检测性能并绘制检测结果图； 所述S2实现过程如下： 在目标大小为、滑动窗口大小为的条件下提取到的相邻切片重叠度需满足如下要求： ； 根据S1中得到的目标像素级先验知识，当前滑动窗所在区域的图像强度信息需满足： ； 其中，为类别的像素级先验知识，为目标类别个数，； 所述S4实现过程如下： 在给定的网格大小和距离阈值的条件下对得到的目标预测中心点进一步筛选，首先对目标预测中心点选择任一维度进行排序，计算当前网格区域内的目标预测中心点之间的距离；通过遍历计算各点之间的距离并设置距离阈值将其分为紧凑点集和离散点集；最后保留离散点集，而对于紧凑点集则取像素点位置信息的均值；通过网格距离筛选实现对滑动窗重叠部分引入的目标预测中心点位置临近的问题进行抑制； 网格距离筛选调整了目标预测中心位置信息，需对所在区域进行检测，验证是否仍满足像素级先验知识，满足则保留。

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南京航空航天大学;南京航空航天大学深圳研究院，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。