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！

龙图腾网获悉中国科学院上海技术物理研究所申请的专利一种基于聚类思想的红外弱小目标检测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：CN115861669B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202211411318.X，技术领域涉及：G06V10/762；该发明授权一种基于聚类思想的红外弱小目标检测方法是由饶俊民;李范鸣;刘士建;穆靖;李冰;公劲夫设计研发完成，并于2022-11-11向国家知识产权局提交的专利申请。

本一种基于聚类思想的红外弱小目标检测方法在说明书摘要公布了：本发明公开了一种基于聚类思想的红外弱小目标检测方法。本发明基于红外弱小目标的全局与局部特性，采用不同种类的聚类方式实现弱小目标的检测。首先，利用小目标形态学特征对原始红外图像进行预处理，生成新的密度特征图。其次，使用改进的密度峰聚类算法对潜在候选目标进行粗定位。然后，针对潜在目标的局部候选集，采用加权模糊C聚类算法对局部候选集进行目标与背景区域的精细分割，利用目标与背景之间的差异性在增强目标的同时抑制虚警。最后，自适应阈值提取真实目标。本方法通过不同层次的聚类方式，精准定位目标区域，减少背景像素干扰，实现对尺寸变化的红外弱小目标检测，有效提高了目标检测率。

本发明授权一种基于聚类思想的红外弱小目标检测方法在权利要求书中公布了：1.一种基于聚类思想的红外弱小目标检测方法，其特征在于包括以下步骤： 1定义形态学滤波的环形结构元素，使用环形结构元素滤波： 其中，f表示原始红外图像；Bi和Bo分别内环半径与外环半径；Bb是实心结构，半径在Bi和Bo之间；Boi表示两个结构元素组合；f·Boi是闭运算，先膨胀后腐蚀；x,y为像素的坐标；ΔB是环形结构，宽度ΔB＝Bo-Bi；表示膨胀操作；！表示腐蚀操作； Mx,y＝fx,y-f·Boix,y，2 fx,y是原始红外图像的灰度值，Mx,y表示形态学处理后的显著图； 2全局搜索，逐像素计算像素密度峰值，排序,根据情况取前N个最大值作为候选目标，得到候选目标的坐标； 密度峰γi是局部最大密度与最邻近距离的联合概念， γi＝ρi×δi，3 ρi＝Mi，4 Mi表示形态学预处理后图像中像素i的灰度值， 最邻近相关距离δi是通过像素点i与比它密度更高的像素点j之间的最小欧式距离计算得出： dij是两个像素之间的欧式距离，xi,yi是像素点i的坐标，xj,yj是像素点j的坐标； 3以候选目标的坐标为中心，提取N个以候选目标点为中心的11×11大小的局部图像块： Ω＝{xi,yi||xi-x0|＜＝5,|yi-y0|＜＝5}，7 Ω表示局部图像块的像素集合；x0,y0是中心像素的坐标即提取的候选目标坐标值； 4根据目标点扩散特性，在候选目标局部块中采用结合空间信息加权的模糊C均值聚类方法进行精细分割候选区域的像素类别： 其中，c表示聚类中心个数；Ij表示像素的灰度值；q是模糊值；vk表示相应的聚类中心；μjk表示所属类别的隶属度函数，应满足式9的约束； 其中，wjk是空间权重因子；x0,y0是中心像素的坐标即提取的候选目标坐标值；xj,yj是图像块像素j的坐标；S是一个常数，设为局部块大小的2倍；1k用于调整像素属于第k个类别像素的权重，k＝2，分为目标类与背景类像素； 5局部统计两类像素，对比度计算，增强目标类像素： dT,B＝gT-maxgB,11 其中，gT表示目标灰度值；gB表示背景灰度值；dT,B目标灰度值与背景中最大灰度值之差； 6根据目标紧凑性与异质性的先验信息，生成特征描述子约束： 其中，Area_num表示聚类后，划为目标类别的区域个数，F是特征描述子； 7对各部分处理之后的结果进行融合，得到最终的显著图SM： SM＝F×dT,B×gT,13 8根据公式14计算自适应分割阈值T对SM分割，确定目标位置； T＝u+λ×δ,14 式14u是所有增强后像素的均值；δ是所有增强后像素的标准差；λ是一个超参数，λ取值范围为0.5～1.5，T分割阈值。

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上海技术物理研究所，其通讯地址为：200083 上海市虹口区玉田路500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”。