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！

龙图腾网获悉西北核技术研究所申请的专利一种高分辨率航空图像中弱小弹坑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：CN116778147B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202310668742.0，技术领域涉及：G06V10/25；该发明授权一种高分辨率航空图像中弱小弹坑目标检测方法是由魏崇阳;倪维平;王华伟;王培忠;覃尧;吴俊政;边辉;贺丽设计研发完成，并于2023-06-07向国家知识产权局提交的专利申请。

本一种高分辨率航空图像中弱小弹坑目标检测方法在说明书摘要公布了：本发明涉及弹坑目标检测方法，具体涉及一种高分辨率航空图像中弱小弹坑目标检测方法，解决了真实场景下低信噪比图像中弱小弹坑检测方法中的适用性不足、鲁棒性不强、检测精度低的技术问题。首先，获取爆炸场景高分辨率原始图像，并将其切分为多个图像子块；其次，随机选取少量图像子块，人工标注训练样本，提取多尺度特征，通过均衡化的区域候选网络产生正、负和难、易均衡化的锚框，联合优化，获取训练模型；再次，基于训练参数模型，将剩余的图像子块经多尺度特征提取网络、区域候选网络、区域对齐网络、检测头网络的共同计算，推理出弹坑的位置和置信度；最后，合并图像子块中的检测结果。

本发明授权一种高分辨率航空图像中弱小弹坑目标检测方法在权利要求书中公布了：1.一种高分辨率航空图像中弱小弹坑目标检测方法，其特征在于，包括以下步骤： 步骤一、获取爆炸场景高分辨率原始图像，所述高分辨率是指像素的空间分辨率优于0.5cm量级； 步骤二、对步骤一中获取的原始图像，按照固定步长s进行切分，获取分辨率大小为H×W的图像子块； 步骤三、从步骤二获得的图像子块中随机选取占比为r的图像子块记为训练集，其中，0.1≤r≤0.3，余下的图像子块记为测试集；将所述训练集中的每个图像子块中的弹坑目标人工标注为正样本实例，得到人工标定的真值锚框； 步骤四、将训练集中的每个图像子块及其对应的标注文件输入到目标检测网络中，通过提取多尺度特征、生成IOU均衡化的候选锚框、获取区域对齐特征、分类和回归区域对齐特征获取弹坑目标检测的训练模型；具体为： 4.1、多尺度的特征提取 4.1.1、使用残差网络ResNet50对训练集中每一个图像子块提取5个阶段的特征Sj，其中，j＝2、3、4、5、6；从S3阶段开始，每一阶段获取特征的长、宽尺度分别缩小为上一阶段的12，通道数保持不变； 4.1.2、自上而下提取特征金字塔网络特征，所述特征金字塔网络的每一层特征Fj由对应阶段的残差网络特征Sj经卷积网络重采样和其上层特征Fj+1以最近邻插值的2倍上采样融合构成； 4.1.3、自下而上提取路径增强网络特征，所述路径增强网络的每一层特征Pj由其下一层特征Pj-1经空间卷积网络2倍下采样和横向连接的特征金字塔层Fj融合构成； 4.2、IOU均衡化的候选锚框样本生成 4.2.1、在步骤4.1.3获得的路径增强网络的每一层特征的每个位置处构建多个具有不同尺度和不同纵横比的由4维数组α＝xα,yα,wα,hα构成的水平锚框，其中，xα为水平锚框的中心点在x轴方向上的坐标，yα为水平锚框的中心点在y轴方向上的坐标，wα为水平锚框的宽，hα为水平锚框的高；其中，水平锚框具有3种不同尺度{0.5，1，2}和3个纵横比{1:2，1:1，2:1}； 4.2.2、构建包括一个空间卷积滑动窗口和两个卷积层的区域候选网络，两个卷积层分别为分类卷积层和回归卷积层；使用分类和回归卷积层对水平锚框所在区域进行分类和位置回归，回归层网络产生区域候选网络的预测候选锚框相对于水平锚框的偏移量Δ： Δ＝Δx,Δy,Δw,Δh 其中，Δx为二者的中心点在x轴方向上坐标的偏移量，Δy为二者的中心点在y轴方向上坐标的偏移量，Δw为二者宽度的偏移量，Δh为二者高度的偏移量； 4.2.3、通过以下公式计算得到预测候选锚框β＝x，y，w，h： 其中，e为常数，x为预测候选锚框的中心点在x轴方向上的坐标，y为预测候选锚框的中心点在y轴方向上的坐标，w为预测候选锚框的宽，h为预测候选锚框的高； 4.2.4、计算预测候选锚框为前景的置信度得分pi，选取pi最高的前m个预测候选锚框作为候选锚框样本，其中，m为整数且1000≤m≤5000； 4.2.5、计算在区域候选网络中选取的每一个候选锚框样本与真值锚框的IOU值，并根据IOU值选择正锚框样本、简单负锚框样本和困难负锚框样本；具体为： 1选取和任意一个真值锚框的IOU值都高于0.7的候选锚框作为正锚框样本，所述正锚框样本的数量记为Nreg； 2在和任意一个真值锚框的IOU值都小于0.3的候选锚框中，随机选取Nreg个作为简单负锚框样本；若和任意一个真值锚框的IOU值小于0.3的候选锚框数小于Nreg，则选择所有候选锚框； 3若候选锚框和任意一个真值锚框的IOU值在0.3～0.7之间，则将0.3～0.7等分为4个子区间，在每个子区间内随机选取Nreg个候选锚框作为困难负锚框样本；若某个子区间内的样本数量小于Nreg，则选取该子区间内的所有候选锚框作为困难负锚框样本； 4.2.6、根据选取的正锚框样本、简单负锚框样本和困难负锚框样本对区域候选网络进行训练优化，当满足收敛条件时，产生最终的候选锚框； 4.3、获取训练模型 4.3.1、将步骤4.2.6获取的候选锚框投射到路径增强网络输出的每一层特征图中，每个候选锚框区域在纵向和横向上k等分；在特征图投射的对应位置处切割出三维特征，并将其拉伸为一维向量，获取区域对齐特征； 4.3.2、将区域对齐特征输入到检测头网络中进行训练优化，对区域对齐特征进行分类和位置回归，获取训练模型； 步骤五、基于步骤四中的训练模型，使用目标检测网络对测试集进行在线推理，获得测试集中弹坑检测的概率和位置； 步骤六、合并步骤五中获得的测试集中的弹坑检测的概率和位置，获取弹坑的检测结果。

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北核技术研究所，其通讯地址为：710024 陕西省西安市灞桥区平峪路28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。