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！

龙图腾网恭喜成都信息工程大学申请的专利基于小目标识别网络的中尺度对流图像分割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：CN119251509B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202411787740.4，技术领域涉及：G06V10/26；该发明授权基于小目标识别网络的中尺度对流图像分割方法是由李孝杰;黎鹏;寇毅;黄占鳌;吴锡设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本基于小目标识别网络的中尺度对流图像分割方法在说明书摘要公布了：本发明提供了一种基于小目标识别网络的中尺度对流图像分割方法，属于图像处理技术领域，该方法包括获取原始云顶亮温数据；对原始云顶亮温数据进行预处理，并划分为训练集和测试集；构建并初始化基于特征对齐再分配的小目标识别网络；利用训练集对小目标识别网络进行训练；基于训练后的小目标识别网络，得到中尺度对流图像分割结果；达到训练次数的阈值后，将测试集输入至已训练后的小目标识别网络中，以判定当前小目标识别网络是否达到指标要求；将测试集输入至达到指标要求的小目标识别网络中，得到最终的中尺度对流图像分割。本发明解决了传统方法识别中尺度对流系统MCSs速度慢，只针对局部区域的问题。

本发明授权基于小目标识别网络的中尺度对流图像分割方法在权利要求书中公布了：1.一种基于小目标识别网络的中尺度对流图像分割方法，其特征在于，包括以下步骤：S1、获取原始云顶亮温数据；S2、对原始云顶亮温数据进行预处理，并划分为训练集和测试集；S3、构建基于特征对齐再分配的小目标识别网络；S4、利用训练集对小目标识别网络进行训练；S5、基于训练后的小目标识别网络，得到中尺度对流图像分割结果；S6、基于S4和S5依次达到训练次数的阈值后，将测试集输入至已训练后的小目标识别网络中，以判定当前小目标识别网络是否达到指标要求，若是，则保存当前小目标识别网络的参数，并进入S7，否则，返回S4；S7、将测试集输入至达到指标要求的小目标识别网络中，得到最终的中尺度对流图像分割；所述S3包括以下步骤：S301、针对中尺度对流系统MCSs识别划分的训练集和测试集，将原始图像对应的步骤S204中的标签数据转换为二值灰度图像；S302、将转换后的二值灰度图像转换为张量格式tensor，并使用最大最小归一化将原始图像与标签数据中所有像素值进行归一化处理；S303、根据S302的归一化处理结果，构建小目标识别网络；所述小目标识别网络包括：编码器，用于提取经S302归一化处理后图像的分层金字塔特征，其中，所述编码器包括四个双重卷积块和下采样；特征对齐再分配模块FADM，用于对分层金字塔特征进行对齐，并重新分配至解码器；解码器，用于将不同层级对齐的金字塔特征进行解码恢复，其中，解码器包括转置卷积和非对称特征恢复模块AFRM，所述非对称特征恢复模块AFRM用于从不同空间维度提取并保留对流的空间边缘特征，以识别中尺度对流系统MCSs的边缘信息；所述S4包括以下步骤：S401、将经S302归一化处理后的图像分别输入至编码器中提取分层金字塔特征，输出编码器的每一层特征图；S402、将特征图输入至特征对齐再分配模块FADM，进行对齐处理得到再分配输出，其中，特征对齐再分配模块FADM包括特征对齐、多尺度特征提取、全局注意力以及特征再分配四个部分；S403、在解码器部分，将编码器第四层输出的特征图或解码器上一层输出的特征图输入至转置卷积中，得到，其中，表示第i层解码器中转置卷积的输出；S404、将和输入到非对称特征恢复模块AFRM中，以从不同空间维度提取并保留对流的空间边缘特征，识别中尺度对流系统MCSs的边缘信息，得到第i层解码器输出的，其中，表示第i层解码器的输出；S405、将输入至分割头SegHead中得到中尺度对流图像分割结果，完成对小目标识别网络的训练；所述S402包括以下步骤：S4021、在特征对齐部分，输入编码器的每一层特征图，使用其中一层的特征尺度作为标准，以对齐除该其中一层外不同层的特征信息，针对除其中一层外的低分辨率层，使用双线性插值法上采至与该其中一层相同的分辨率，同时利用自适应平均池化法对除该其中一层外的高分辨率层进行两次降采样，使高分辨率层与该其中一层的特征保持一致，得到在空间尺度上均匀一致的特征图；S4022、将各特征图在通道维度上进行串联，并利用卷积进行特征融合，得到融合结果；S4023、在多尺度特征提取部分，对融合结果使用不同大小的卷积核提取多尺度空间信息，并将多尺度空间信息在通道维度上进行拼接后进行压缩，得到压缩结果；S4024、在全局注意力部分，对融合结果进行卷积操作，得到全局特征图，并对全局特征图进行激活，得到特征对齐后的全局权重；S4025、将对齐后的全局权重以及压缩结果进行相乘处理，得到总体输出，其中，表示总体输出；S4026、在特征再分配部分，将在通道维度上进行拆分处理，得到再分配输出；所述S404包括以下步骤：S4041、将和在通道维度上进行拼接，得到，其中，表示拼接后的结果；S4042、对于第一个分支，对的特征通道进行压缩，得到，并将传递至一卷积块，以提取垂直方向的特征和集中水平方向的特征，同时，将传递至另一卷积块，以提取水平方向的特征和集中垂直方向上的特征，表示压缩后的特征；S4043、将S4042处理的不同维度的特征图按像素相加，得到边缘空间特征图；S4044、对于第二分支，利用最大池化压缩的空间表示，并使用逐点卷积获取逐像素的空间权重；S4045、对空间权重进行激活，得到第二分支的输出，其中，表示第二分支的输出；S4046、将和边缘空间特征图相乘，并通过卷积操作和激活函数调整特征信息；S4047、循环执行S4041至S4046，通过识别中尺度对流系统MCSs的边缘信息，得到第i层解码器输出。

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成都信息工程大学，其通讯地址为：610225 四川省成都市西南航空港经济开发区学府路1段24号；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”。