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！

龍圖騰網獲悉吉林大學申請的專利基于Faster R-CNN與CV模型聯合方法的SAR圖像艦船輪廓提取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：CN115393734B 。

龍圖騰網通過國家知識產權局官網在2025-09-19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：202211047548.2，技術領域涉及：G06V20/13；該發明授權基于Faster R-CNN與CV模型聯合方法的SAR圖像艦船輪廓提取方法是由顧玲嘉;江明達;任瑞治設計研發完成，并于2022-08-30向國家知識產權局提交的專利申請。

本基于Faster R-CNN與CV模型聯合方法的SAR圖像艦船輪廓提取方法在說明書摘要公布了：本發明公開了一種基于FasterR?CNN與CV模型聯合方法的SAR圖像艦船輪廓提取方法，涉及衛星遙感圖像處理與應用的技術領域，本發明的目的是解決現有SAR圖像艦船輪廓方法適用場景少、提取精度差、細節損失嚴重等問題。本發明通過引入深度學習方法，能夠對大場景SAR圖像艦船輪廓進行提取。首先，使用FasterR?CNN網絡對SSDD數據集進行遷移學習和目標檢測，獲得獲取艦船目標的定位坐標，并對小場景艦船區域切片；隨后對艦船切片進行快速非局部均值FNLM濾波處理，最后使用改進CV模型迭代產生艦船最終輪廓，并將輪廓信息融合顯示在原始圖像中。利用本發明提出的基于FasterR?CNN與CV模型聯合方法的SAR圖像艦船輪廓提取方法可以實現對不同場景SAR圖像中艦船目標輪廓快速準確的提取。

本發明授權基于Faster R-CNN與CV模型聯合方法的SAR圖像艦船輪廓提取方法在權利要求書中公布了：1.基于FasterR-CNN與CV模型聯合方法的SAR圖像艦船輪廓提取方法，其特征在于，該方法的步驟如下： 步驟一、選取SAR圖像艦船目標檢測數據集作為本方法檢測網絡訓練數據，并對艦船輪廓進行重標注； 步驟二、構建FasterR-CNN目標檢測網絡，將步驟一中所選取的數據集送入網絡模型中進行訓練，獲得訓練完成的FasterR-CNN； 步驟三、將測試數據送入訓練完成的FasterR-CNN網絡中，輸出艦船坐標信息并將艦船區域圖像切片； 步驟四、對步驟三中獲得的艦船區域圖像切片進行灰度化處理，然后使用快速非局部均值濾波器進行濾波； 步驟五、將快速非局部均值濾波器處理后的數據送入改進CV模型中迭代計算出目標輪廓，并將輪廓信息融合顯示在原始圖像中； 步驟五中使用改進CV模型對快速非局部均值濾波處理后的切片進行艦船輪廓提取，所述的改進CV模型如下： 對于某一圖像x,y∈Ω，用Ix,y表示圖像上點x,y的像素值，定義封閉曲線C為圖像上一閉合區域ω的邊界，insideC表示曲線內閉合區域outsideC則表示曲線外區域C1和C2分別表示圖像上曲線內和曲線外像素平均值,并定義如下的能量項： E1C+E2C＝∫insideC|I0x,y-C1|2dxdy+∫outsideC|I0x,y-C2|2dxdy5 當曲線C在目標圖像中目標邊界時，上述能量項取極小值，補充正則化項目后，可以得出如下的能量泛函： EC＝vlengthC+μareaC+E1C+E2C6 水平集方法將二維平面上的曲線輪廓通過隱式方程即水平集函數，表示為三維曲面的等高曲線，這個等值線被稱作水平集函數的零水平，基于幾何活動輪廓模型的輪廓提取方法中，檢測到的圖像輪廓就是能量泛函達到最小值時的零水平集所在的曲線，首先對水平集函數φx,y做如下定義，并用其對能量函數做調整： 然后，定義單位階躍函數Hz如下： 從而可得： 總的能量函數也就可以寫為： 其中： 由于CV模型中單位階躍函數Hz現實中并不存在，通常使用12代替： 在曲線逼近目標邊界之前，原始的階躍函數需要多次迭代；為了提高曲線的演化速度，減少迭代次數，將式12改進為雙曲正弦函數；最后保持c1、c2固定并且形式上最小化φ，采用梯度下降法，通過人工時間參數化下降方向得到關于φ的歐拉-拉格朗日方程的偏微分方程13： 計算梯度下降重新初始化φ后，當曲線逐漸演化到零平面時，即可得到最終曲線。

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吉林大學，其通訊地址為：130012 吉林省長春市長春高新技術產業開發區前進大街2699號；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”。