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！

龙图腾网恭喜安徽大学申请的专利基于多特征分类的雷达低空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：CN115035430B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202210751752.6，技术领域涉及：G06V20/17；该发明授权基于多特征分类的雷达低空目标检测方法是由潘雪莉;李娜娜;杨利霞;黄志祥;任爱娣设计研发完成，并于2022-06-29向国家知识产权局提交的专利申请。

本基于多特征分类的雷达低空目标检测方法在说明书摘要公布了：本发明涉及一种基于多特征分类的雷达低空目标检测方法，包括：对雷达低空RD图进行多特征提取，得到LBP纹理特征、灰度特征和灰度最大起伏特征；组成特征向量集F′，将特征向量集F′划分为训练数据集和测试数据集；使用单分类SVM算法训练训练数据集，得到分类模型；将测试数据集输入分类模型进行目标检测，输出目标检测结果。本发明主要利用雷达RD图像中目标与杂波背景间的差异性进行特征选择，构造能够区分目标和杂波的特征训练集，然后基于单分类SVM算法实现对低空目标像素点和杂波背景像素点的准确分类，通过大量实验证明该发明的有效性。

本发明授权基于多特征分类的雷达低空目标检测方法在权利要求书中公布了：1.一种基于多特征分类的雷达低空目标检测方法，其特征在于：该方法包括下列顺序的步骤：1获取待检测的原始雷达低空RD图；2对待检测的原始雷达低空RD图进行多特征提取，得到LBP纹理特征、灰度特征和灰度最大起伏特征；3对雷达RD图像经滑窗处理得到LBP纹理特征向量数据集、灰度特征向量数据集和灰度最大起伏特征向量数据集，将LBP纹理特征向量数据集、灰度特征向量数据集和灰度最大起伏特征向量数据集分别归一化处理之后共同组成特征向量集F′，将特征向量集F′划分为训练数据集和测试数据集；4使用单分类SVM算法训练训练数据集，得到分类模型；5将测试数据集输入分类模型进行目标检测，输出目标检测结果；在步骤4中，所述分类模型具体是指：对于训练数据集Z＝{z1,z2,...,zN}，其中zi∈R3为3维实数空间，训练数据集Z包含N个样本，构造超球体： s.t.‖Fzi-c‖2≤R2+ξi,i＝1,...,N,ξi≥0,i＝1,...,N其中，R为超球体的半径，c为超球体的球心，C是为惩罚落入超球体外部样本而引入的惩罚系数，ξi表示松弛因子，用于减少奇异点的影响，Fzi为将样本映射到高维特征空间的非线性映射；化简得原始最优化问题的对偶形式为： 0≤αi≤C,i＝1,...,N其中，kzi,zj为高斯核函数，计算最优解得到支持向量样本集为SV，其样本数目为nsv，根据虚警率优化判别在支持向量样本集SV中取模值最小的支持向量zs计算超球体半径为： 其中，Fzs表示模值最小的支持向量zs的非线性映射，c为超球体的球心，N表示训练样本个数。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。