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！

龙图腾网恭喜中国人民解放军63729部队申请的专利一种基于分段拟合的典型分离事件发生时刻估计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：CN112926600B 。

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：202110266249.7，技术领域涉及：G06V10/764；该发明授权一种基于分段拟合的典型分离事件发生时刻估计方法是由侯艳杰;强波;崔俊峰;郝文缙;郝云胜;梁彦明;李彦峰;张香成;高燕;李春雨;冯一凡;刘宗伟设计研发完成，并于2021-03-11向国家知识产权局提交的专利申请。

本一种基于分段拟合的典型分离事件发生时刻估计方法在说明书摘要公布了：本发明公开了一种基于分段拟合的典型分离事件发生时刻估计方法，包括包括如下步骤：S1：图像亮度特征提取，S2：图像连通域特征提取，S3：线性加权融合特征值，S4：分段三次样条拟合，S5：支持向量机分类，S6：稀疏表示分类，S7：线性加权融合决策。本发明通过亮度与连通域特征提取获得的两种火箭分离事件估计结果需要在决策层级上进行融合，SVM的预筛选分类降低了SRC中的字典规模，从而提高其识别效率，同时SRC具有的噪声、遮挡稳健性也可以弥补SVM在此方面的不足，通过线性加权融合SVM与SRC的决策值，获取了更加有效的识别性能，对火箭飞行过程中的特征事件与故障事件可以实现自动告警，从而有利于促进航天航空事业的发展。

本发明授权一种基于分段拟合的典型分离事件发生时刻估计方法在权利要求书中公布了：1.一种基于分段拟合的典型分离事件发生时刻估计方法，其特征在于：包括如下步骤；S1：图像亮度特征提取；S2：图像连通域特征提取；S3：线性加权融合特征值；S4：分段三次样条拟合；S5：支持向量机分类；S6：稀疏表示分类；S7：线性加权融合决策；图像亮度特征提取即通过将提取后的光学视频图像由RGB空间转为YIQ色彩空间，其中Y为颜色的明视度，即亮度：Y=0.229R+0.587G+0.114B；图像连通域特征提取即连通域是具有相同像素值的相邻像素组成的像素集合，可通过图像中连通域的数量来分析运载火箭是否发生分离事件，采取两遍扫描法提取连通域个数，图像记为B，需要先将视频图像二值化后处理，label从2计数，步骤如下：（1）第一次扫描，访问当前像素B（x，y），如果B（x，y）==1：a）如果B（x，y）的邻域中像素都为0，则赋予该像素一个新的label；b）如果B（x，y）的邻域中像素有为1的，则认为这些像素属于一个连通域，记录这些像素的相等关系；（2）第二次扫描：访问当前像素B（x，y），如果B（x，y）==1，找到与当前像素属于相等关系像素中最小的一个label，将其赋给当前像素；线性加权融合特征值即根据不同特征值种类反映火箭分离事件的正确率为每类特征分配不同的权重，融合结果为各项特征值与相应权重乘积的和；特征值分段三次样条拟合即火箭光学图像序列特征值的拟合需要非线性回归方法，为了得到良好的拟合曲线的同时不增加多项式的阶数，需要采用分段多项式拟合，同时在采取结点处连续且一二阶导数相等的条件来约束，分段三次样条拟合可以在灵活性与计算速度方面得到合理的折中，通过先验信息明确样条曲线的节点数目，以最小二乘原则自适应获取节点位置；支持向量机（SVM）分类即针对两类模式的分类问题，SVM通过最小化结构风险的方式获得最佳的分类面，对于未知类别的样本x，SVM分类的决策超平面为，其中为权重系数矢量，用于描述超平面相关参数；为核函数；b为偏置量，通过大量带标签训练样本的训练可以获得合适的分类决策面，选用合适的核函数可以增强SVM的非线性分类能力；稀疏表示分类（SRC）即采用稀疏表示作为基本手段对类别未知的测试样本进行表征，进而根据重构误差的分析判定其类别，SRC假定当测试样本所在类的训练样本足够多时，测试样本可由这些训练样本进行线性表示，而其它类的样本对重构该测试样本的贡献为0，从而将数据分类问题转化为稀疏表示问题；线性加权融合决策即基于SVM预筛选得到的候选训练类别构建字典对测试样本进一步进行SRC分类，由于预筛选过程中仅保留了测试样本最可能的类别，因此此时构建的字典规模远小于传统基于所有类别训练样本的字典，对SVM和SRC的输出决策值进行线性加权融合，根据融合后的结果，基于最大概率的原则判定测试样本的目标类别。

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人民解放军63729部队，其通讯地址为：030006 山西省太原市小店区龙城北街；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”。