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！

龙图腾网获悉西安睿诺航空装备有限公司申请的专利一种机坪动态场景目标无监督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：CN120635468B 。

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：202511123791.1，技术领域涉及：G06V10/26；该发明授权一种机坪动态场景目标无监督分割方法及系统是由肖鹏;邵涛;段志和;贾永乐;刘博颖设计研发完成，并于2025-08-12向国家知识产权局提交的专利申请。

本一种机坪动态场景目标无监督分割方法及系统在说明书摘要公布了：本发明涉及图像识别领域，具体涉及一种机坪动态场景目标无监督分割方法及系统。该方法包括构建多气象条件机坪图像库，特征提取形成包含特征数据库；设计对比学习模型优化特征数据库，计算多种不同气象条件下机坪图像的特征统计量；生成目标分布概率图并通过自适应阈值大津法分割获得初步目标掩模图；构建无监督的神经网络作为分割模型并训练分割模型，采用训练后分割模型获得目标区域优化掩模；得到目标区融合掩模；生成目标分割掩模图，该系统应用该方法。现有的机坪动态场景目标分割方法及系统存在复杂气象条件下识别性能较差且适应性较差的问题，本发明提供的方法及系统在复杂气象条件下识别性能较好且适应性较好。

本发明授权一种机坪动态场景目标无监督分割方法及系统在权利要求书中公布了：1.一种机坪动态场景目标无监督分割方法，其特征在于，包括： S1.构建多气象条件机坪图像库，将卷积神经网络作为特征提取模型捕获场景图像的局部高维特征向量，形成包含多种不同气象条件下机坪图像的特征数据库； S2.设计基于三元组损失约束方程的对比学习模型以优化特征数据库，计算多种不同气象条件下机坪图像的特征统计量； S3.提取待检测机坪图像特征后匹配场景类型，计算待检测机坪图像与对应场景特征统计量的马氏度量距离，生成目标分布概率图并通过自适应阈值大津法分割，通过联合局部均值、标准差和梯度特征构建动态阈值函数，采用粗分割与精调相结合的多尺度处理策略，实现目标区域的粗分割，获得初步目标掩模图； S4.构建无监督的神经网络作为分割模型并训练分割模型，得到训练后分割模型，采用训练后分割模型获得目标区域优化掩模； S4的步骤包括： S401.对处理后光照均衡图像进行自适应光照归一化处理； S402.构建分割模型； 分割模型采用由多粒度特征提取层、仿射不变特征变换层和自适应图相似性传播层级联组成的编码架构；多粒度特征提取层通过动态融合不同尺度的卷积核响应，提取适应目标尺度差异的局部特征； S403.多粒度特征提取层基于多粒度卷积与阈值激活函数，实现特征的多粒度处理； S404.仿射不变特征变换层1x1卷积层动态生成仿射参数矩阵，驱动可微薄板样条变换函数对特征图进行弹性形变补偿，设计可学习的仿射变换层，通过参数化空间变换保持目标结构不变性； S405.自适应图相似性传播层通过动态边权重矩阵融合图像梯度与运动特征，通过动态边权重矩阵和相似度传播方法进行图卷积操作获得优化特征图； S406.通过高置信正样本对和噪声原型方法进行聚类损失计算操作获得双路对比损失； S407.通过边缘敏感矩阵方法进行梯度敏感权重更新操作获得更新网络权重； S408.通过可学习优化核方法进行掩膜后优化操作获得最终优化掩膜； S409.输出优化后的最终掩膜作为目标区域优化掩模 S5.定义初步目标掩模图为目标区域粗掩模，将目标区域粗掩模与目标区域优化掩模进行特征融合，得到目标区融合掩模； S6.将目标区融合掩模输入SAM2大模型中得到具有差异性的候选分割结果，采用非极大值抑制算法筛选最优分割结果生成精细化的目标分割掩模图。

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睿诺航空装备有限公司，其通讯地址为：710000 陕西省西安市高新区丈八街办毕原二路176号军民融合产业园B6栋；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。