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！

龙图腾网获悉中国电子科技集团公司第十五研究所申请的专利融合RPCA及深度学习的红外弱小目标检测方法及装置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：CN116958657B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202310813234.7，技术领域涉及：G06V10/764；该发明授权融合RPCA及深度学习的红外弱小目标检测方法及装置是由凡叔军;马兴民;杨晓梅;杨馨雨;李奕洁;臧义华;李雪扬;陈莉莉;李宏菲设计研发完成，并于2023-07-05向国家知识产权局提交的专利申请。

本融合RPCA及深度学习的红外弱小目标检测方法及装置在说明书摘要公布了：本发明提出了一种融合RPCA及深度学习的红外弱小目标检测方法及装置，方法包括：获取红外图像，红外图像中包括至少一检测目标；基于配置的鲁棒主成分分析算法，对红外图像进行空间位置提取，以获取检测目标的粗候选区域；对红外图像进行语义增强处理，以获取检测目标的语义信息特征；利用预先配置的定义分类模型，基于粗候选区域以及语义信息特征，确定检测目标对应的位置信息和类别信息。本发明实施例提出的方法，以目标检测框架为基础，构建鲁棒主成分分析模型和深度学习模型相融合的框架结构，有效提升了目标的检测准确率和快速稳定跟踪能力。

本发明授权融合RPCA及深度学习的红外弱小目标检测方法及装置在权利要求书中公布了：1.一种融合RPCA及深度学习的红外弱小目标检测方法，其特征在于，包括： 步骤S1，获取红外图像，所述红外图像中包括至少一检测目标； 步骤S2，基于配置的鲁棒主成分分析算法，对所述红外图像进行空间位置提取，以获取所述检测目标的粗候选区域； 步骤S3，对所述红外图像进行语义增强处理，以获取所述检测目标的语义信息特征； 步骤S4，利用预先配置的定义分类模型，基于所述粗候选区域以及所述语义信息特征，确定所述检测目标对应的位置信息和类别信息； 所述步骤S2包括： 基于所述红外图像构建对应的三维张量； 利用所述三维张量，构建鲁棒主成分分析模型； 利用所述鲁棒主成分分析模型，确定所述检测目标的粗候选区域； 具体包括： 将未经过预处理的红外图像分割为相互重叠的图像子块，以子块间灰度的欧氏距离作为相似度测度，在图像中搜索非局部的二维相似图像子块，并堆叠成为一个三维张量； 将描述为背景、目标和噪声三个张量分量的叠加，得到： ； 利用非局部的二维相似图像子块的低秩属性和弱小目标的稀疏属性，并将噪声影响引入隐式正则项中实现去噪目的，且隐式正则项在即插即用框架下采用深度去噪网络实现，从而将融入到基于张量的鲁棒主成分分析模型中，得到： ； 其中为张量的秩函数，和为两个正则化参数，和分别为和Frobenius范数； 所述步骤S4包括： 基于配置的RPN、RoIPooling、分类和回归三个结构层依次对所述粗候选区域以及所述语义信息特征进行处理。

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中国电子科技集团公司第十五研究所，其通讯地址为：100083 北京市海淀区北四环中路211号华北所科技大厦；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。