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！

龙图腾网恭喜山东科技大学申请的专利基于侧扫声呐目标识别的声强与图像耦合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：CN118411591B 。

龙图腾网通过国家知识产权局官网在2025-03-07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：202410132108.X，技术领域涉及：G06V20/05；该发明授权基于侧扫声呐目标识别的声强与图像耦合方法是由于菲;杜立彬;吕志超;刘小栋设计研发完成，并于2024-01-31向国家知识产权局提交的专利申请。

本基于侧扫声呐目标识别的声强与图像耦合方法在说明书摘要公布了：本发明涉及海底探测技术领域，特别是一种基于侧扫声呐目标识别的声强与图像耦合方法。包括以下步骤：S1、采用声强特征提取网络对声强域进行特征分析和提取，采用图像特征提取网络对图像域进行特征分析和提取；S2、采用通道特征表示寻找两个域的潜在关系，声强域包含声强通道和信息融合通道，图像域包含图像通道和信息融合通道，同一域中的两类通道共享相同的初步特征提取，两个域中的信息融合通道进行融合寻找共同表示，声强通道和图像通道提取各自的特征表示；S3、输出声强识别、图像识别和耦合识别。可以识别多种不易区分的海洋目标种类，将声强与图像进行耦合，提高了海洋目标识别效果。

本发明授权基于侧扫声呐目标识别的声强与图像耦合方法在权利要求书中公布了：1.一种基于侧扫声呐目标识别的声强与图像耦合方法，其特征在于，包括以下步骤：S1、采用声强特征提取网络对声强域进行特征分析和提取，采用图像特征提取网络对图像域进行特征分析和提取；S2、采用通道特征表示寻找两个域的潜在关系，声强域包含声强通道和信息融合通道，图像域包含图像通道和信息融合通道，同一域中的两类通道共享相同的初步特征提取，两个域中的信息融合通道进行融合寻找共同表示，声强通道和图像通道提取各自的特征表示；S3、输出声强识别、图像识别和耦合识别；步骤S1中，采用声强特征提取网络进行特征分析和提取，得到声强信息S；采用图像特征提取网络进行特征分析和提取，得到声学图像信息I；设训练集为{S,I}，S的数据形式为h×p，I的数据形式为c×h'×w，其中，h在数据集S中属于声强信息的通道；p为声强信息的采样点；c为输入声学图像的通道数；h’在数据集I中表示图像的宽，与声强信息通道h相等；w为图像的长；输入的S和I数据先经过下采样卷积操作：S＝convS，I＝convI，分别采用声强特征提取网络NS·和图像特征提取网络NI·进行特征分析和提取；声强特征提取网络NS·的输出如下： 声强特征提取网络NS·的具体展开步骤如下所述：将S重塑得到B、C、D：B＝C＝D＝reshapeS，将B和C进行矩阵乘法操作和softmax处理得到E： 最终增强结果为G： 最后经过上采样卷积操作： 图像特征提取网络NI·的输出如下： 图像特征提取网络NI·的具体展开步骤如下所述：将I经过3×3和5×5卷积核处理得到的不同特征图M1和M2，并相加得到M：M＝M1+M2，对M进行池化： 其中，H和W分别为特征图M的长和宽；然后进行如下操作：Z＝δηP，A＝φZ，其中，η·为归一化处理，δ·为全连接操作，Z为全连接结果；φ·为softmax处理，A为权重；将特征图M1和M2分别与权重A相乘后相加，得到Y：Y＝Y1+Y2＝AM1+AM2，Y为得到的不同尺度图像域的表示；最后经过上采样卷积操作： 步骤S2中，声强通道表示如下： 图像通道表示如下： 其中，CS·和CI·为卷积核为1×1的卷积操作；θS和θI分别表示声强域和图像域的参数；信息融合通道表示如下： 其中，FS,I·为卷积核为1×1的卷积操作，θF为两个域的融合参数；步骤S3中，将声强通道SC与信息融合通道SF数据结合输出声强域识别SFC： 将图像通道IC与信息融合通道SF数据结合输出图像域识别IFC： 对SFC和IFC分别进行池化，得到拥有共同空间尺寸的SFC'和IFC’，然后进行结合，输出耦合识别O： 其中，H’和W’表示SFC'和IFC’空间尺寸长和宽；识别结果输出P’为SFC、IFC、O共同判定： 其中，PA·表示三者识别的准确率。

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山东科技大学，其通讯地址为：266000 山东省青岛市黄岛区前湾港路579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”。