買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京長河數智科技有限責任公司;長河信息股份有限公司申請的專利一種漂浮物自動識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118747821B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202410911933.X，技術領域涉及：G06V10/764；該發明授權一種漂浮物自動識別方法是由張煇;柳世豪;剌昊躍設計研發完成，并于2024-07-09向國家知識產權局提交的專利申請。

本一種漂浮物自動識別方法在說明書摘要公布了：本申請公開了一種漂浮物自動識別方法，涉及圖像識別技術領域，包括：采集包含漂浮物的水體圖像數據集；對采集的圖像集進行預處理，預處理包含：采用基于退火算法的濾波器對圖像進行去噪處理；采用核PCA算法對去噪處理后的圖像集進行降維處理；根據預處理后的圖像集，采用預訓練的卷積神經網絡提取圖像特征；根據圖像特征，采用度量學習算法提取特征度量空間；根據特征度量空間，采用聚類算法對漂浮物進行分類。針對現有技術中存在的漂浮物識別精度低的問題，本申請采用小波變換算法降低圖像中的噪聲，利用核PCA算法對圖像進行降維，采用結構度量學習方法學習樣本間在特征空間的度量距離，基于密度的DBSCAN聚類算法進行分類，提高了識別精度。

本發明授權一種漂浮物自動識別方法在權利要求書中公布了：1.一種漂浮物自動識別方法，包括： 采集包含漂浮物的水體圖像數據集； 對采集的圖像集進行預處理，預處理包含：采用基于退火算法的濾波器對圖像進行去噪處理；采用核PCA算法對去噪處理后的圖像集進行降維處理； 根據預處理后的圖像集，采用預訓練的卷積神經網絡提取圖像特征； 根據圖像特征，采用度量學習算法提取特征度量空間； 根據特征度量空間，采用聚類算法對漂浮物進行分類； 采用基于退火算法的濾波器對圖像進行去噪處理，包括： 獲取待處理的圖像集{I1,I2,.......,In}，將每幅圖像Ii轉化為二維矩陣A； 初始化復數母小波ψ和尺度函數在不同尺度s和時刻t下構建希爾伯特復小波基；利用構建的復小波基對矩陣A進行小波分解，得到復數小波系數矩陣C； 將復數小波系數矩陣C作為時頻平面，遍歷C中每個元素，計算對應的能量：ECn＝∑|Cnt,f|2，其中，|Cnt,f|表示矩陣中時刻t和頻率f對應的小波系數的復數模；生成能量分布Et,f，對能量分布Et,f進行歸一化和顏色映射，生成噪聲能量分布圖E_map； 在能量分布圖E_map上滑動采集噪聲紋理特征，設置大小為w×w的滑動窗口，以步長s_img在E_map上滑動，提取每個窗口位置的紋理特征，紋理特征包含均值、標準差、梯度直方圖、灰度共生矩陣的對比度和熵；將各個位置提取的特征拼接為特征集F； 計算特征集F與預設噪聲模板庫T中各模板的距離，匹配最近模板，輸出噪聲類型Ni； 噪聲模板庫T＝{t1,t2,.......,tk}包含k類噪聲的標準特征； 定義距離度量函數distx,y＝∑i×xi-yi2，計算F中每個特征向量fi與每個模板tj的距離distfi-tj，找到距離最小的模板tmin：tmin＝argmindistfi-tj，將其對應的噪聲類型作為fi的噪聲類型yi； 對F中所有特征向量的噪聲類型yi進行投票，輸出最終圖像的主要噪聲類型Ni； 根據噪聲類型Ni，選擇匹配的小波基Bi，生成余弦退火濾波曲線gx： 其中，S＝smax-smin+1，K＝kmax-kmin+1；s表示Bi的尺度范圍，k表示Bi的時移范圍； 設置小波基存儲模板，小波基存儲模板包含Haar、Db、sym、bior、coif中的一種，根據Ni得到最佳小波基Bi； 設置Bi的尺度范圍[smin，smax]和時移范圍[kmin，kmax]，以及調制因子w，生成濾波曲線； 利用余弦退火濾波曲線gx對Ii進行小波去噪：用Bi和gx對Ii做小波分解，得到各尺度的小波系數；將小波系數與gx相乘實現濾波，去除噪聲分量；重構修改后的小波系數，得到去噪后的圖像； 計算去噪圖像與原圖像的峰值信噪比PSNR，如果PSNR低于閾值，則使用模擬退火算法調整gx的參數，重復直至PSNR達到要求，輸出最終去噪圖像Ii'； 根據圖像特征，采用度量學習算法提取特征度量空間，包括： 根據圖像特征，采用結構度量學習算法，計算圖像特征樣本之間的相似性，生成圖像特征的相似度圖； 利用相似度圖，通過度量目標函數，生成圖像特征的度量投影矩陣A： LA＝∑Sij×||Axi-Axj||2 其中，Sij為相似性矩陣S中的樣本i和樣本j之間的相似性權重，Sij∈[0,1]，Sij＝Sji； xi和xj為圖像特征樣本i和樣本j對應的特征向量，xi,xj∈RD，D為特征維數； A為度量投影矩陣，A∈R{D×d}，d為投影目標維數； ||Axi-Axj||為xi和xj在投影矩陣A下的歐式距離； 將圖像特征根據度量投影矩陣A進行映射，得到圖像特征的特征度量空間。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京長河數智科技有限責任公司;長河信息股份有限公司，其通訊地址為：100071 北京市豐臺區汽車博物館西路8號院3號樓7層705；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。