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！

龙图腾网恭喜中国科学院空天信息创新研究院申请的专利基于空时张量的红外场景时敏弱小目标检测方法及装置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：CN114782789B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202210150629.9，技术领域涉及：G06V20/00；该发明授权基于空时张量的红外场景时敏弱小目标检测方法及装置是由马亚朋;刘雨菡;潘宗序;胡玉新;韩冰设计研发完成，并于2022-02-14向国家知识产权局提交的专利申请。

本基于空时张量的红外场景时敏弱小目标检测方法及装置在说明书摘要公布了：本发明公开了一种基于空时张量的红外场景时敏弱小目标检测方法及装置，能够解决复杂且不满足低秩假设的场景中的时敏红外弱小目标检测问题的技术问题。该方法包括：构建用于求解红外图像的低秩背景成分信息与稀疏目标成分信息的第一问题模型；基于红外图像的角点信息及边缘信息，确定红外图像的先验权重，将所述第一问题模型转换为第二问题模型；采用时空局部取样的方式构建低秩稀疏矩阵，得到所述原始红外图像对应于第二问题模型的张量；将待处理的红外图像的张量代入所述第二问题模型，分离出待处理的红外图像的低秩矩阵信息代表的背景成分与稀疏成分信息代表的目标成分；将所述目标成分作为目标图像，将所述目标图像进行处理，得到检测结果。

本发明授权基于空时张量的红外场景时敏弱小目标检测方法及装置在权利要求书中公布了：1.一种基于空时张量的红外场景时敏弱小目标检测方法，所述时敏弱小目标，其中弱小目标是指像素在2x2到9x9范围内的目标，或像素面积不超过图像的0.15％的目标，时敏目标是指目标状态是变化的，其特征在于，所述方法包括以下步骤：步骤S1：构建红外图像模型，所述红外图像模型用于表征红外图像的背景和目标；基于所述红外图像模型，构建用于求解红外图像的低秩背景成分信息与稀疏目标成分信息的问题模型，记为第一问题模型；步骤S2：基于红外图像的角点信息及边缘信息，为所述角点信息和所述边缘信息赋予不同的权重，确定红外图像的先验权重；基于所述先验权重进行先验权重信息提取，将所述第一问题模型转换为第二问题模型；步骤S3：获取待处理的红外图像序列，对所述待处理的红外图像序列的每一个红外图像：将该红外图像作为原始红外图像，基于所述原始红外图像和对所述原始红外图像赋予不同权重后的显著性图像采用时空局部取样的方式得到所述原始红外图像对应于第二问题模型的张量；步骤S4：对所述待处理的红外图像序列的每一个红外图像：将所述待处理的红外图像的张量代入所述第二问题模型，并对所述第二问题模型进行优化求解，分离出待处理的红外图像的低秩矩阵信息代表的背景成分与稀疏成分信息代表的目标成分；步骤S5：将所述目标成分作为目标图像，将所述目标图像进行处理，得到检测结果；所述红外图像模型为D＝B+T+N其中，D、B、T、N∈Rm*n*k，分别代表输入的图像张量、背景张量、目标张量和噪声张量，m为第一维度大小，n为第二维度大小，k为第三维度大小，R为实数集；基于所述红外图像模型，构建用于求解红外图像的低秩背景成分信息与稀疏目标成分信息的问题模型，记为第一问题模型，所述第一问题模型为： 其中，rank为张量的秩，即非零奇异值的个数，λ为惩罚因子，是一个正数，||T||0为目标的L0范数；局部先验权重WPx,y为： 其中，a为角点指示器的权重，b为边缘指示器的权重，x,y为图像中像素的坐标，C为角点指示器，E为边缘指示器；归一化后的局部先验权重为其中，wmin、wmax代表全部局部先验权重WPx,y中的最小值、最大值；加权W为：W＝Wsw*Wrec其中，Wrec是归一化后的局部先验权重相应元素的倒数，c是一个非负的常数，ε是小于预设阈值的正数，T表示第k次分解的目标分量；则所述第二问题模型为： 其中，代表哈德玛积，||B||LPTNN为基于拉普拉斯算子的背景秩的近似替代，λ为惩罚因子，为目标图像与加权W的哈德玛积。

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中国科学院空天信息创新研究院，其通讯地址为：100190 北京市海淀区北四环西路19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”。