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！

龙图腾网恭喜哈尔滨工业大学申请的专利基于邻支互补显著性和多先验稀疏表征的目标识别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：CN116434074B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202310019335.7，技术领域涉及：G06V20/13；该发明授权基于邻支互补显著性和多先验稀疏表征的目标识别方法是由胡建明;江世凯;倪涛;智喜洋;施天俊;张伟设计研发完成，并于2023-01-06向国家知识产权局提交的专利申请。

本基于邻支互补显著性和多先验稀疏表征的目标识别方法在说明书摘要公布了：本发明公开了一种基于邻支互补显著性和多先验稀疏表征的目标识别方法，所述方法包括如下步骤：步骤1：提出邻支互补显著性提取网络，挖掘图像深层次、语义一致性信息，提取多尺度目标的候选显著区域；步骤2：通过结合目标多先验信息的稀疏表征分类器，抑制显著性提取网络可能产生的虚警，实现复杂场景下舰船目标的准确识别。该方法通过深度显著性特征提取网络挖掘图像中舰船目标的显著区域特征，与图像数据的多先验稀疏表征分类方法结合，不但可以充分发挥深度网络多层级提取图像特征的优势，而且对物体部分遮挡复杂海杂波、港口设施、光照阴影等复杂环境干扰具有鲁棒性的特点，可为港口救援、海上交通维护等应用提供支持。

本发明授权基于邻支互补显著性和多先验稀疏表征的目标识别方法在权利要求书中公布了：1.一种基于邻支互补显著性和多先验稀疏表征的目标识别方法，其特征在于所述方法包括如下步骤：步骤1：提出邻支互补显著性提取网络，挖掘图像深层次、语义一致性信息，提取多尺度目标的候选显著区域，其中，邻支互补显著性提取网络包括层间特征聚合模块和层内特征自挖掘模块，具体步骤如下：步骤1-1：对于输入的遥感图像，利用ResNet-101网络作为主干特征提取网络，逐层提取下采样级数为2、4、8、16、32倍数的多层级特征图，分别记为F1、F2、F3、F4、F5；步骤1-2：利用层间特征聚合模块融合相邻层的特征图，增强不同特征提取分支的边缘细节和语义信息；步骤1-3：在层间特征聚合模块后，为进一步聚合目标多尺度信息，利用层内特征自挖掘模块提取同一分支的特征图中不同感受野的特征信息，以更好地捕捉目标的尺度变化；步骤1-4：从32倍下采样层级开始，依次结合层间特征聚合模块和层内特征自挖掘模块提取到的特征，逐层上采样得到特征图F5'、F4'、F3'、F2'、F1'，其中F1'为邻支互补显著性提取网络最终输出结果图，该特征图包含提取出的疑似目标显著区域，作为步骤2的输入；步骤2：通过结合目标多先验信息的稀疏表征分类器，抑制显著性提取网络可能产生的虚警，实现复杂场景下舰船目标的准确识别，具体步骤如下：步骤2-1：建立融合目标多先验的稀疏表征模型，正则项包括重建误差正则项terr、舰船显著区域切片特征的低秩正则项tlr、用于表征遮挡和光照变化条件下舰船特征的目标类内差异正则项tid，多先验稀疏表征模型写作： 式中，xi为第i个样本，B为字典矩阵，αi为第i个样本的稀疏表征系数，λ1、λ2、λ3和λ4分别为权重系数用以调节各部分的影响；步骤2-2：基于训练集图像数据，通过交替方向乘子法算法求解多先验稀疏表征模型中的未知变量；步骤2-3：对步骤1中获得的疑似目标候选区域，通过多尺度滑窗S＝[1,2,...s]提取图像切片xS，通过计算最小分类误差得到最终的舰船识别结果，公式记作： 式中，为预测类别，ψ为建立的舰船表征模型，ek代表分类模型预测为第k类目标的分类误差。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。