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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于遥感图像的船舶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：CN119516369B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411566294.4，技术领域涉及：G06V20/10；该发明授权一种基于遥感图像的船舶检测方法是由刘铭;蓝佳音;秦兵设计研发完成，并于2024-11-05向国家知识产权局提交的专利申请。

本一种基于遥感图像的船舶检测方法在说明书摘要公布了：本发明属于遥感图像处理领域，具体涉及一种基于遥感图像的船舶检测方法。本发明针对现有的现有遥感图像进行船舶型号检测任务中识别准确率低的问题，提出了一种基于遥感图像的船舶检测方法。本发明为海上船舶的细粒度目标识别任务构建基于遥感图像的船舶检测模型；将待识别区域的舰船遥感图像输入训练好的基于遥感图像的船舶检测模型，得到待识别区域的舰船的船舶型号；将细粒度目标检测任务解耦为定位子任务和分类子任务，同时针对海上船舶训练样本短缺的问题，设计了基于CycleGAN的数据扩充策略和对比学习模块，提高了识别精度。解决了现有遥感图像的细粒度目标识别技术中存在因由于高视距，小目标，训练数据少等原因，导致识别精度差的问题。

本发明授权一种基于遥感图像的船舶检测方法在权利要求书中公布了：1.一种基于遥感图像的船舶检测方法，其特征在于，包括以下步骤： S1：构建基于遥感图像的船舶检测模型；获得训练好的基于遥感图像的船舶检测模型； S2：采集待识别的舰船遥感图像，将待识别的舰船遥感图像输入训练好的基于遥感图像的船舶检测模型，得到待识别的舰船遥感图像的船舶型号； 所述S1中构建基于遥感图像的船舶检测模型；获得训练好的基于遥感图像的船舶检测模型；具体过程为： S1.1：获取舰船遥感图像集；所述舰船遥感图像集为HRSC2016遥感图像舰船数据集； S1.2：构建基于遥感图像的船舶检测模型；所述基于遥感图像的船舶检测模型依次包括：数据增强模块，目标检测模块和细粒度图片分类模块； 根据舰船遥感图像集对基于遥感图像的船舶检测模型进行训练，获得训练好的基于遥感图像的船舶检测模型；具体过程为： S1.2.1：根据舰船遥感图像集对数据增强模块进行训练，得到训练好的数据增强模块； 然后将舰船遥感图像集的图像输入训练好的数据增强模块，得到增强后的舰船遥感图像集；所述数据增强模块包括图像分割网络、图像风格转换网络； 所述根据舰船遥感图像集对数据增强模块进行训练，得到训练好的数据增强模块；具体过程为： S1.2.1.1：将舰船遥感图像集的每个舰船遥感图像输入数据增强模块中的图像分割网络进行提取处理，得到舰船遥感图像集中每个舰船遥感图像的掩码； S1.2.1.2：基于S1.2.1.1提取的每个舰船遥感图像的掩码对舰船遥感图像集中每个船舶图像进行提取船舶实体处理，得到每个舰船遥感图像的船舶实体图像和每个舰船遥感图像的背景图像； 将所有舰船遥感图像的船舶实体图像构成实体图像集；将所有舰船遥感图像的背景图像构成背景图像集； S1.2.1.3：根据S1.2.1.2得到的实体图像集和背景图像集构建重组船舶图像集； S1.2.1.4：对S1.2.1.3得到的重组船舶图像集进行筛选处理，得到筛选船舶图像集； S1.2.1.5：根据筛选船舶图像集对图像风格转换网络进行训练，得到训练好的数据增强模块 S1.2.2：根据增强后的舰船遥感图像集对目标检测模块进行训练，得到训练好的训练好的目标检测模块； 然后将增强后的舰船遥感图像集输入训练好的目标检测模块；得到增强后的舰船遥感图像中的船只对象、船只对象的位置； 所述船只对象的位置为船只对象所在的方形范围在图片中的坐标； S1.2.3：根据船只对象的位置对增强后的舰船遥感图像中的所有船只对象进行切割，得到切割后的舰船遥感图像集； 所述切割后的舰船遥感图像集中的每一张切割图片中只含有一艘船只； 根据切割后的舰船遥感图像集对细粒度图片分类模块进行训练，得到训练好的细粒度图片分类模块； 所述细粒度图片分类模块依次包括：vit视觉转换网络和HERBS网络； 所述根据切割后的舰船遥感图像集对细粒度图片分类模块进行训练，得到训练好的细粒度图片分类模块；具体过程为： S1.2.3.1：为切割后的舰船遥感图像集中每一张图片构建负样本图像集和正样本图像； S1.2.3.2：将切割后的舰船遥感图像集中图片D、图片D的负样本图像集和图片D的正样本图像一起输入vit视觉转换网络，得到特征图D*、负样本的特征图集D—和正样本的特征图D+； S1.2.3.3：将特征图D*、负样本的特征图集D—和正样本的特征图D+分别输入HERBS网络，得到特征图B*及其负样本的特征图集B—和正样本的特征图B+； 特征图B*作为细粒度图片分类模块的输出；根据特征图B*得到输入的图片D中艘船的具体型号； S1.2.3.4：根据特征图B*及其负样本的特征图集B—和正样本的特征图B+计算对比损失Lcon； S1.2.3.5：根据对比损失Lcon计算总损失L，重复S1.2.3.1至S1.2.3.4，当总损失最小时，停止迭代得到训练好的细粒度图片分类模块； S1.2.4：将训练好的数据增强模块、训练好的目标检测模块以及训练好的细粒度图片分类模块进行组合，获得训练好的基于遥感图像的船舶检测模型。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。