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！

龍圖騰網獲悉杭州電子科技大學申請的專利一種用于惡劣天氣下的紅外圖像去噪和小目標檢測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：CN118154886B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202410255359.7，技術領域涉及：G06V10/30；該發明授權一種用于惡劣天氣下的紅外圖像去噪和小目標檢測方法是由劉詩婕;羅臣琪;秦飛巍;王昌淼;葛瑞泉;彭勇;包建榮設計研發完成，并于2024-03-06向國家知識產權局提交的專利申請。

本一種用于惡劣天氣下的紅外圖像去噪和小目標檢測方法在說明書摘要公布了：本發明公開了一種用于惡劣天氣下的紅外圖像去噪和小目標檢測方法。首先構建三分類紅外圖像小目標數據集，隨機的將數據集劃分為三等份并添加高斯噪聲、泊松噪聲和椒鹽噪聲這三種噪聲；然后構建用于惡劣天氣條件下的紅外圖像去噪和小目標檢測的網絡架構，整體框架包括濾波器去噪模塊、全分辨率去噪模塊和YOLOv5檢測器三部分，檢測器中使用損失監督函數提高對小目標的檢測性能；最后基于加噪的三分類紅外圖像小目標數據集，對提出的網絡架構進行訓練，獲得紅外圖像的去噪和識別的模型。本發明去噪模塊能夠去除噪聲并提取圖像中關鍵特征所在的區域，再將關鍵區域傳入檢測器得出目標的定位信息和類別信息，可以更好地提高小目標檢測的性能。

本發明授權一種用于惡劣天氣下的紅外圖像去噪和小目標檢測方法在權利要求書中公布了：1.一種用于惡劣天氣下的紅外圖像去噪和小目標檢測方法，其特征在于，包括步驟如下： 步驟1.根據紅外圖像的去噪和檢測識別的任務目標，構建三分類紅外圖像小目標數據集，隨機的將數據集劃分為三等份并添加高斯噪聲、泊松噪聲和椒鹽噪聲這三種噪聲，噪聲強度均為10dB； 步驟2.構建用于惡劣天氣條件下的紅外圖像去噪和小目標檢測的網絡架構，整體框架包括濾波器去噪模塊、全分辨率去噪模塊和YOLOv5檢測器三部分，檢測器中使用損失監督函數提高對小目標的檢測性能； 步驟3.基于加噪的三分類紅外圖像小目標數據集，對提出的網絡架構進行訓練，獲得紅外圖像的去噪和識別的模型； 步驟4.將訓練過后的紅外圖像去噪和小目標檢測模型用測試集進行測試，驗證模型的精確度AP和平均精確度mAP指標； 雨雪霧這些在惡劣天氣下產生的噪聲在紅外圖像上以濾波的形式存在，采用濾波器去噪模塊用于處理局部噪聲，也能夠稱為局部去噪模塊；濾波器去噪的步驟是將圖像依次通過中值濾波器、小波去噪濾波器和銳化濾波器，對圖像進行局部去噪，中值濾波和小波去噪濾波用于處理高斯噪聲、泊松噪聲和椒鹽噪聲，銳化濾波用于調節紅外圖像的銳化度；在目標離散的情況下，中值濾波器的公式為： 中值x1,y1＝中位數Ix1+i,y1+j|i＝0,1,...,N-1,j＝0,1,...N-1 其中，中值x1,y1是圖像經過中值濾波后的像素值，中位數表示鄰域內像素值的中位數，Ix1+i,y1+j是輸入圖像在位置x1+i,y1+j處的像素值，N是鄰域的大小；小波去噪是基于小波變換的圖像去噪方法；小波變換將圖像分解為不同頻率的分量，通過閾值處理去除高頻噪聲，再進行逆變換；利用小波變換對圖像進行分解和重構，小波去噪的方法寫作公式為： 小波去噪x1,y1＝W-1TWIx1,y1 其中，W是小波變換,T是閾值函數，用于將小波系數進行閾值處理，W-1是小波逆變換，Ix1,y1是圖像特征經過中值濾波器的輸出，是表示在x1,y1的像素值；通過中值濾波和小波去噪濾波后，將圖像傳入銳化濾波來調整圖像背景和目標的對比度；銳化濾波器用于突出顯示圖像細節，公式如下： Fx1,λ＝Ix1+λIx1-GauIx1 其中，Ix1是小波去噪濾波器的輸出，表示在坐標x1上的像素值，Gau表示高斯濾波器，參數λ是正比例因子；這種銳化運算對于x和λ都是可微的，能夠通過優化參數λ來調整銳化程度，以獲得更好的對象檢測性能；以上三種濾波器組成了局部去噪模塊，通過中值濾波器和小波去噪濾波抑制惡劣天氣下的雨雪霧噪聲，通過銳化濾波器調整紅外圖像的銳化度，增強目標的關鍵區域，利于紅外圖像中小目標的檢測和識別； 全分辨率去噪模塊由12個卷積-歸一化-激活函數區塊、4層殘差卷積塊和三次跳躍鏈接組成；全分辨去噪模塊按照數據流順序分為3個階段，分別為下采樣階段，傳遞連接階段和上采樣階段；下采樣階段用于圖片的特征提取：圖片輸入依次經過兩層卷積-歸一化-激活函數區塊后進行卷積下采樣得到輸入特征A1，輸入特征A1依次經過兩層卷積-歸一化-激活函數區塊后進行卷積下采樣得到輸入特征A2，輸入特征A2依次經過兩層卷積-歸一化-激活函數區塊后進行卷積下采樣得到輸入特征A3；然后進入傳遞連接階段：輸入特征A3進入中間層的4層卷積殘差塊得到還原特征B3；上采樣階段用于去噪和特征還原，為加強特征共享其中會進行特征的拼接：B3和A3進行拼接后進行插值上采樣再依次經過兩層卷積-歸一化-激活函數區塊得到還原特征B2，B2和A2進行拼接后進行插值上采樣再依次經過兩層卷積-歸一化-激活函數區塊得到還原特征B1，B1和A1進行拼接后進行插值上采樣再依次經過兩層卷積-歸一化-激活函數區塊得到最終的全分辨去噪圖片；全分辨率去噪模塊的公式如下所示： Icoarse＝FRMInoise 其中Inoise和Icoarse表示原始加噪的紅外圖像和經過全分辨率去噪模塊后的圖像；通過使用L2損失，確保全分辨率模塊能夠在沒有像素失真的情況下獲得去噪結果： 其中，是L2損失，Ibg表示無噪聲的紅外圖像。

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杭州電子科技大學，其通訊地址為：310018 浙江省杭州市下沙高教園區2號大街；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”。