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！

龙图腾网恭喜广州市海皇科技有限公司申请的专利多视角协同SAR图像船舶智能识别分类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：CN114943829B 。

龙图腾网通过国家知识产权局官网在2025-02-18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：202210297298.1，技术领域涉及：G06V10/764；该发明授权多视角协同SAR图像船舶智能识别分类方法是由张艳玲;黄华设计研发完成，并于2022-03-24向国家知识产权局提交的专利申请。

本多视角协同SAR图像船舶智能识别分类方法在说明书摘要公布了：本申请的多视角协同SAR图像船舶智能识别分类方法，通过信息融合证据推理对多视角SAR船舶进行识别，首先基于双立方插值的图像截取挖块提取出船舶的兴趣特征区域，通过多视角船舶分析进行维数约简后输入到船舶识别分类器得到软判定及置信概率输出，构成对应的评价矩阵，再利用改进后的证据推理辅助判定对不同视角下的分类判定融合得到最终的船舶识别判定结果，克服了以往单视角识别的局限性,有很强的系统稳定性、可靠性以及抗干扰能力，大幅提高了船舶的识别准确程度，极大的提高广阔水域船舶识别分类效率，帮助航道、港口、水域等的管理服务，提供支撑性依据和预判性决策，具有巨大的运用价值和经济效益。

本发明授权多视角协同SAR图像船舶智能识别分类方法在权利要求书中公布了：1.多视角协同SAR图像船舶智能识别分类方法，其特征在于，首先基于双立方插值的图像截取挖块提取出船舶的兴趣特征区域，在此基础上通过多视角船舶分析进行维数约简后输入到船舶识别分类器得到软判定及置信概率输出，构成对应的评价矩阵，再利用改进后的证据推理辅助判定对不同视角下的分类判定融合得到最终的船舶识别判定结果；第一步，多视角船舶兴趣特征区域提取，从探测器得到的源图像中确定船舶可能存在的兴趣特征区域，剔除除船舶以外的其它图像部分的干扰，通过图像分割截取挖块提取船舶的兴趣特征区域，流程由四个部分组成：流程1：找出船舶目标图像内每个像素位置对应于源图像上采样点的坐标；流程2：求出源图像内采样位置D的16个临近位置对应的灰度值；流程3：由16个临近位置灰度值根据权重卷积之和计算得出采样位置D的灰度值；流程4：把采样位置D的灰度值赋值给对应目标图像中点的灰度值；第二步，多视角船舶的维数约简方法：将图像像素的灰度值作为特征值，则一个n行m列的图像就有n×m维特征值，提取出原始特征矢量中主要影响因子，去除不必要的多余信息，对原始图像的维数约简：第三步，船舶识别分类器设计及置信概率输出：船舶分类识别采用三分类模型，利用两个二分类模块来组成三分类模块，再将SVM输出结果进行后处理,转换成后验概率，最后采用得到的软判定进行融合识别；第四步，基于证据推理决策的多视角船舶融合识别：引入专家确信程度因子法，利用证据推理重新组合新信任函数，改进证据推理辅助判定得到船舶融合识别结果；多视角船舶兴趣特征区域提取：每种船舶有六个视线角,而每种视线角又分为19个旋转角，即从0度到180度，每次间隔10度进行观测，最关键一步是找出目标区域当中像素点对应的源图像位置，采用图像截取船舶挖块法实现；首先，目标图像中的θ是已知的多视线观测的旋转角，ChopWid与ChopHei是设定的截取挖块后图像的宽和高，必须要包含整个船舶，其中chopWid为4的倍数，它是widthstep的值，表示存储一行像素所需要的字节；然后,预估出源数据里船舶质心所在坐标值,其横纵坐分别标记为：CentX与CentY；将目标图像中每个点横纵坐标值i,j记作dcol及drow，则由的矩阵运算得到目标图像每个点对应的源图像中采样点D的横纵坐标TempC与TempR：TempC＝cosθ×dcol-0.5×ChopWid+sinθ×drow-0.5×ChopHei+CentX式1TempR＝-sinθ×dcol-0.5*ChopWid+cosθ×drow-0.5×ChopHei+CentY式2当求得采样位置D坐标之后,采用双立方插值法求出D处的灰度值,双立方插值计算包括16个像素点，其中i',j'表示待计算像素点在源图像中的包含小数部分的像素坐标，dx表示X方向的小数坐标，dy表示Y方向的小数坐标： 双立方插值是图像16个像素点权重卷积之和作为新的像素值，其中Rx表示插值表达式，分布采样表达式为： 分布采样式基于三次卷积计算实现，将D像素值赋给挖块图像中对应像素值，最后得到所求兴趣特征区域；船舶识别分类器设计及置信概率输出：当对兴趣特征区域目标图像进行维数约简之后，利用SVM分类器对目标进行分类判定，再将SVM输出结果进行后处理，转换成后验概率，最后利用得到的软判定进行融合识别，得到基于多视角的船舶识别结果，采用在特征空间上间隔最大化线性二分类模型,找到一个分类超平面，使得属于两种不同类的数据矢量到该平面的距离最大，平面两侧的数据点距该平面的垂直长度最大，计算出具有最大分类距离特性超平面，引入函数间隔和几何间隔两概念；当已知晓超平面wx+b＝0前提下，等号左侧绝对值的值作为点x相距超平面间隔的大小，通过判断wx+b的正负性质同类别标记y的正负性是否一致判定分类的正确性,利用y×wx+b与零的关系进行判断分类的准确与否，定义函数间隔为： 假设在特征空间中存在某点x，该点向超平面垂直投影得到对应的点x0，而w为该平面的法矢量,样本x到超平面的距离为γ，则有： 同时x0是位于超平面内一点，所以其使得fx0为0，将其代入超平面的方程wTx+b＝0，得到：wTx0+b＝0，然后让式子的等号两边同时乘以wT，同时已知：wTx0＝-b以及wTw＝||W||2，得到： 要得到γ的模，则把γ乘以其对应的类别属性y，给出几何间隔的界定： 对待识别数据点做分类处理，当数据点距离超平面间距越远,判定结果所得确信度越可靠，为保证判定的正确性，所选取的分类超平面使间距达到最远，该间距是Gap数值的一半；将最大间距分类器所对应目标函数规定成：maxγ，同时满足前提条件： 将目标函数转换成： 上式中的1||W||就是几何间隔，满足：ywTx+b＝1，ywTx+b＞1。

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广州市海皇科技有限公司，其通讯地址为：510000 广东省广州市南沙区大岗镇马前村工业区自编8号及1号码头；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”。