買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京理工大學申請的專利基于多級拉普拉斯金字塔去噪的SAR圖像目標檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116681623B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310774557.X，技術領域涉及：G06T5/70；該發明授權基于多級拉普拉斯金字塔去噪的SAR圖像目標檢測方法是由傅雄軍;趙聰霞;董健;謝民;馮程;常昊;曹申;吳文浩設計研發完成，并于2023-06-28向國家知識產權局提交的專利申請。

本基于多級拉普拉斯金字塔去噪的SAR圖像目標檢測方法在說明書摘要公布了：本發明涉及一種基于多級拉普拉斯金字塔去噪的SAR圖像目標檢測方法。包括：通過拉普拉斯金字塔變換將原始圖像分解到不同的頻域子帶，采用可訓練閾值模塊抑制各個高頻子帶上的噪聲，通過拉普拉斯金字塔重構獲得去噪后圖像；將去噪后圖像、拉普拉斯變換的第一個子帶與原圖連接以融合圖像空域、頻域信息，形成三通道圖像，輸入到后續的目標檢測網絡；將注意力機制引入基礎網絡的特征融合模塊，對特征圖各像素賦予不同的權值，突出有效特征。所述方法具有自適應性，不因輸入圖像尺度變化增加網絡的復雜度和訓練難度；生成包含尺度信息的真值圖，不涉及神經網絡的訓練，故復雜度低、易操作；生成的真值圖標示了每個目標的位置和尺度信息。

本發明授權基于多級拉普拉斯金字塔去噪的SAR圖像目標檢測方法在權利要求書中公布了：1.一種基于多級拉普拉斯金字塔去噪的SAR圖像目標檢測方法，其特征在于，依托于包括去噪網絡、特征融合模塊以及目標檢測網絡的基于多級拉普拉斯金字塔去噪端到端SAR圖像目標檢測模型：LPDNet；所述目標檢測方法，包括： S1：選取目標檢測數據集，將目標檢測數據集劃分為訓練集、驗證集和測試集； S1所述目標檢測數據集中包含樣本圖像和對應的標簽； S2：構建多級拉普拉斯金字塔去噪端到端SAR圖像目標檢測模型，包括： S21，構建閾值自適應的多級拉普拉斯金字塔去噪網絡，包括構建拉普拉斯金字塔分解模塊、閾值自適應確定模塊以及拉普拉斯金字塔重構模塊； 拉普拉斯金字塔分解模塊的輸入為樣本圖像，輸出為經拉普拉斯金字塔分解得到的高頻子帶圖像和低頻子帶圖像；閾值自適應確定模塊的輸入為拉普拉斯金字塔分解模塊得到的高頻子帶圖像，輸出為降噪后的高頻子帶圖像；拉普拉斯金字塔重構模塊的輸入為降噪后的高頻子帶圖像和低頻子帶圖像，輸出為去噪圖像； 其中，拉普拉斯金字塔分解得到的低頻子帶圖像可作為下一級拉普拉斯金字塔分解模塊的輸入，通過k級級聯獲得k級高頻子帶圖像和低頻子帶圖像，而后重復拉普拉斯金字塔分解、閾值自適應確定、拉普拉斯金字塔重構過程，構成閾值自適應的多級拉普拉斯金字塔去噪網絡； 所述k的取值范圍為0≤k≤4且k等于0時對應一次分解且所述k級高頻子帶圖像，通過k+1次分解得到； S22，構建特征融合模塊； S23，構建基于注意力機制的目標檢測網絡； S3：訓練多級拉普拉斯金字塔去噪端到端SAR圖像目標檢測模型，得到訓練好的LPDNet，包括： S31：初始化網絡參數，將卷積層的卷積核及每一層的權重值按照設置的初始化數值進行初始化，并設置合理的學習率； S32：使用S1中劃分的訓練集中的樣本圖像和對應的標簽對LPDNet進行訓練，通過損失函數對網絡參數進行監督學習，并輸出訓練好的LPDNet； S4：目標檢測階段，具體包括以下步驟： 采用S1中劃分出的測試集進行檢測，將測試集中的樣本圖像輸入到訓練好的LPDNet中，輸出目標檢測結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京理工大學，其通訊地址為：100081 北京市海淀區中關村南大街5號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。