安徽耀峰雷达科技有限公司张其政获国家专利权
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!
龙图腾网获悉安徽耀峰雷达科技有限公司申请的专利一种基于深度学习的雷达图像降噪处理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:CN119991495B 。
龙图腾网通过国家知识产权局官网在2025-07-04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:202510480283.2,技术领域涉及:G06T5/70;该发明授权一种基于深度学习的雷达图像降噪处理方法是由张其政;刘儒强;齐文轩设计研发完成,并于2025-04-17向国家知识产权局提交的专利申请。
本一种基于深度学习的雷达图像降噪处理方法在说明书摘要公布了:本发明提供一种基于深度学习的雷达图像降噪处理方法,属于机器学习技术领域,包括获取历史回波信号数据,基于历史回波信号数据确定历史雷达图像数据集;基于历史雷达图像数据集确定训练图像集以及测试图像集,基于训练图像集构建降噪神经网络模型;基于测试图像集评估降噪神经网络模型,并对降噪神经网络模型进行第二优化;基于优化后的降噪神经网络模型对实时雷达回波数据确定的实时雷达图像数据集进行降噪处理。可以增强模型的降噪学习能力,提升模型对复杂噪声环境的处理能力,实现对模型的逐步精细化调整形成性能闭环,实现对实时雷达数据的高精度快速处理,提高雷达图像的去噪效果,提升复杂环境下的降噪精度。
本发明授权一种基于深度学习的雷达图像降噪处理方法在权利要求书中公布了:1.一种基于深度学习的雷达图像降噪处理方法,其特征在于,包括: 101:获取历史回波信号数据,基于历史回波信号数据确定历史雷达图像数据集; 102:基于历史雷达图像数据集确定训练图像集以及测试图像集, 基于训练图像集中历史距离-多普勒图像的目标无噪声图像以及基于降噪神经网络模型所确定的预测无噪声图像确定综合损失值; 比较综合损失值与预设损失阈值,若综合损失值大于等于预设损失阈值,基于优化算法对降噪神经网络模型进行第一优化,直至综合损失值小于预设损失阈值; 103:基于测试图像集评估降噪神经网络模型,并对降噪神经网络模型进行第二优化; 104:基于优化后的降噪神经网络模型对实时雷达回波数据确定的实时雷达图像数据集进行降噪处理; 其中,基于训练图像集中历史距离-多普勒图像的目标无噪声图像以及预测无噪声图像确定综合损失值,包括: ; ; ; ; 其中,表示综合损失值,表示训练图像集中第a个历史距离-多普勒图像的损失值,分别表示训练图像集中所有历史距离-多普勒图像的最大损失值、最小损失值,Nu表示训练图像集中的历史距离-多普勒图像的数量,表示训练图像集中第a个历史距离-多普勒图像的像素损失值,表示训练图像集中第a个历史距离-多普勒图像的频域损失值,表示判别器D对训练图像集中第a个历史距离-多普勒图像属于真实图像的概率预测值,表示的期望值,、分别表示训练图像集中第a个历史距离-多普勒图像的预测无噪声图像、目标无噪声图像中的第i个像素点的像素值,N1表示历史距离-多普勒图像的预测无噪声图像、目标无噪声图像的像素点数量,表示训练图像集中第a个历史距离-多普勒图像的预测无噪声图像、目标无噪声图像中的结构相似值,表示结构相似值的权重,分别表示训练图像集中第a个历史距离-多普勒图像的预测无噪声图像、目标无噪声图像中的第k个频率分量,分别表示训练图像集中第a个历史距离-多普勒图像的预测无噪声图像、目标无噪声图像中的第k个频率分量的相位,N2表示历史距离-多普勒图像的预测无噪声图像、目标无噪声图像的频率分量数量,表示频率分量的权重,表示频率分量的相位的权重,表示损失常数,取值为0.1。
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耀峰雷达科技有限公司,其通讯地址为:230601 安徽省合肥市经济技术开发区青鸾路8号民营科技二园内;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”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。