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！

龙图腾网恭喜数据空间研究院申请的专利基于粒子滤波的高精度SAR图像目标检测方法及系统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：CN117710689B 。

龙图腾网通过国家知识产权局官网在2025-03-11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：202311727940.6，技术领域涉及：G06V10/44；该发明授权基于粒子滤波的高精度SAR图像目标检测方法及系统是由吴昊;岳华;汪瑜;凌未;聂明宇;胡紫珊;阚宏伟设计研发完成，并于2023-12-14向国家知识产权局提交的专利申请。

本基于粒子滤波的高精度SAR图像目标检测方法及系统在说明书摘要公布了：本发明提供基于粒子滤波的高精度SAR图像目标检测方法及系统，方法包括：利用上下文感知算法，进行上下文感知操作；特征提取与目标初始化；进行上下文感知，获取环境适应性信息；连续状态估计与跟踪；状态估计的综合更新；利用反馈机制进行反馈操作；自适应调整。本发明解决了处理速度、实时性、准确性、鲁棒性、适应性以及灵活性较差，以及对遮蔽和干扰的敏感性较高的技术问题。

本发明授权基于粒子滤波的高精度SAR图像目标检测方法及系统在权利要求书中公布了：1.基于粒子滤波的高精度SAR图像目标检测方法，其特征在于，所述方法包括：S1、采集输入数据，利用上下文感知算法，根据所述输入数据进行上下文感知操作，以根据输入数据的上下文信息进行行为调整操作、动态参数调整以及交互式学习，据以获取系统环境理解增强信息；其中，所述步骤S1包括：S11、根据输入数据的上下文信息，进行所述行为调整操作，据以获取环境适应性信息；S12、获取所述输入数据中的上下文变化信息，据以进行动态参数调整；S13、通过集成用户、系统反馈，调优所述上下文感知算法，以完成所述交互式学习；所述步骤S13中，利用下述逻辑，进行所述上下文感知操作，以获取所述系统环境理解增强信息：θ＝fE,θprev式中，θ是调整后的参数，E是环境上下文信息，θprev是之前的参数值，f是根据环境调整参数的函数；S2、在目标检测初始阶段，利用卷积神经网络CNN从所述输入数据的SAR图像中，提取适用特征，根据所述适用特征，利用基于群体的搜索算法PSO执行全局搜索策略，以估计得到目标初始粗位置、重进入视野粗位置，以得到目标初始特征；所述步骤S2包括：S21、构建所述卷积神经网络CNN，识别所述SAR图像中的模式信息，并提取SAR特征，对所述SAR特征进行综合分类操作，以得到所述适用特征；S22、根据所述适用特征、目标的显著性、图像相似度，评估每个所述粒子的当前位置；所述步骤S22包括：S221、利用不少于2个所述粒子代表目标潜在位置、目标速度；S222、基于所述目标的显著性、图像相似度，构建适应度函数，评估每个所述粒子的当前位置；S23、根据最佳位置信息，更新所述粒子的当前速度、所述当前位置，以探索预置搜索空间；其中，所述步骤S23中，利用下述逻辑，更新所述粒子的惯性权重： 式中，是时刻t的第i个粒子的权重，是给定粒子状态下观测数据zt的概率；S24、选取并调优PSO参数，所述PSO参数包括：惯性权重、个体学习因子以及社会学习因子；S3、利用PF模块设置一组粒子代表目标状态概率分布，根据所述SAR图像的所述目标初始特征，更新所述粒子，以得到目标状态连续跟踪估计数据；S4、根据所述SAR图像的上下文信息进行上下文感知，以动态调整得到所述卷积神经网络CNN及所述PF模块的模型参数；S5、利用所述目标初始特征引导所述PF模块的状态估计操作，得到状态估计数据，根据所述状态估计数据、所述模型参数，利用反馈机制进行反馈操作，匹配所述状态估计数据与上下文信息，据以对所述卷积神经网络CNN、所述PF模块的所述模型参数进行自适应调整，完成状态估计综合更新操作，得到适用SAR图像目标检测模型，据以检测SAR图像目标。

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数据空间研究院，其通讯地址为：230088 安徽省合肥市高新区柏堰科技园创新大道288号工投高新智谷B区；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”。