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！

龙图腾网获悉电子科技大学申请的专利一种基于二维空变反卷积的近场SAR图像增强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：CN115423694B 。

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：202210827994.9，技术领域涉及：G06T5/00；该发明授权一种基于二维空变反卷积的近场SAR图像增强方法是由张晓玲;詹旭;张文思;师君;韦顺军;曾天娇设计研发完成，并于2022-07-13向国家知识产权局提交的专利申请。

本一种基于二维空变反卷积的近场SAR图像增强方法在说明书摘要公布了：本发明公开了一种基于二维空变反卷积的近场SAR图像增强方法，它是通过计算粗略响应矩阵，然后基于该矩阵构建粗略卷积退化方程，进而采用最小绝对值收敛和选择算子求解退化方程，实现反卷积，获得近场SAR图像的粗略增强图。采用K‑均值聚类算法提取出目标不同子类散射点对应的子粗略增强图像，并分别计算相对应的精细响应矩阵，构建相对应的精细空变卷积退化方程，求解退化方程，实现空变反卷积，获得对应的精细增强图像。最终，通过精细增强图像叠加，获得整体SAR图像增强结果。该方法较其它SAR图像增强方法，在近场成像时，能够在旁瓣抑制和杂波噪声抑制、目标幅度估计保留方面上有提升。

本发明授权一种基于二维空变反卷积的近场SAR图像增强方法在权利要求书中公布了：1.一种基于二维空变反卷积的近场SAR图像增强方法，其特征是它包括以下步骤： 步骤1.初始化相关参数 初始化以下参数：光在空气中传播速度，记为c；取自然指数函数，记为exp·；虚数单位，记为j；圆周率，记为π；系统信号带宽，记为B；系统中心频率波长，记为λ；系统成像场景中心距离，记为rc；系统方位向孔径长度，记为la；图像方位向像素数量，记为na；图像距离向像素数量，记为nr；图像方位向像素大小，记为ia；图像距离向像素大小，记为ir；采用对于后向投影算法处理得到的待增强的近场SAR图像矩阵，记为Ibp；正则化权重参数，记为γ；K-均值聚类算法类别数，记为K； 步骤2.计算粗略响应矩阵 对于步骤1中初始化参数中光在空气中传播速度c、系统信号带宽B、系统中心频率波长λ，系统成像场景中心距离rc、系统方位向孔径长度la、图像距离向像素数量nr、图像方位向像素数量na、图像距离向像素大小ir和图像方位向像素大小ia，计算得到系统粗略响应函数Hc： 步骤2.1.对于步骤1中初始化的系统信号带宽B和光在空气中传播速度c，采用公式drc＝c2B，计算得到成像场景中心点距离向分辨率，记为drc； 步骤2.2.对于步骤1中初始化的系统中心频率波长λ、系统方位向孔径长度la和系统成像场景中心距离rc，采用公式dac＝λrc2la，计算得到成像场景中心点方位向分辨率，记为dac； 步骤2.3.对于步骤1中初始化的图像距离向像素数量nr，采用传统的N点离散傅里叶变换矩阵构建方法，构建nr点离散傅里叶变换矩阵，记为Wr； 步骤2.4对于步骤1中初始化的图像方位向像素数量na，采用传统的N点离散傅里叶变换矩阵构建方法，构建na点离散傅里叶变换矩阵，记为Wa； 步骤2.5对于步骤1中初始化的图像距离向像素数量nr、图像距离向像素大小ir和步骤2.1中计算得到的成像场景中心点距离向分辨率drc，采用公式计算得到系统频域粗略响应函数距离向支撑域大小，记为nrfc，其中表示向下取整； 步骤2.6对于步骤1中初始化的图像方位向像素数量na、图像方位向像素大小ia和步骤2.2中计算得到的成像场景中心点方位向分辨率dac，采用公式计算得到系统频域粗略响应函数方位向支撑域大小，记为nafc，其中表示向下取整； 步骤2.7对于步骤1中初始化的距离向方位向像素数量nr、图像方位向像素数量na、步骤2.5中计算得到的系统频域粗略响应函数距离向支撑域大小nrfc和步骤2.6中计算得到的系统频域粗略响应函数方位向支撑域大小nafc，采用如下公式计算系统频域粗略响应矩阵，记为Hcf； 其中0m×n表示维度为m×n的全零矩阵，1m×n表示维度为m×n的全1矩阵， 表示向下取整； 步骤2.8对于步骤2.3中构建的矩阵Wr、步骤2.4中构建的矩阵Wa和步骤2.7中计算的矩阵Hcf，采用公式计算得到系统粗响应矩阵，记为Hc，其中表示矩阵哈达玛积，vec·为矩阵向量化算子，diag·为向量矩阵化对角算子； 步骤3.构建粗略卷积退化方程 对于步骤2中计算得到的系统粗略响应矩阵Hcf、步骤1中初始化的待增强的近场SAR图像矩阵Ibp和正则化权重参数γ，记Ic为粗略增强图像矩阵，构建粗略卷积退化方程如下： 其中表示向量2范数的平方，|·|表示向量1范数，vec·为矩阵向量化算子； 步骤4.求解粗略卷积退化方程 对于步骤3中构建的粗略卷积退化方程，采用标准的最小绝对值收敛和选择算子求解方程，得到粗略增强图像矩阵Ic； 步骤5.粗略增强图聚类 对于步骤1中初始化得到的类别数K和步骤4中得到的粗略增强图像矩阵Ic，采用传统的K-均值聚类算法得到K类目标不同子类散射点的粗略增强图像矩阵记为Ii和对应的聚类中心记为ci＝cai，cri，i＝1，2，...K，其中cai为第i类子散射点的中心点的方位向坐标，cri为第i类子散射点的中心点的距离向坐标； 步骤6.计算精细响应矩阵 对于步骤5中得到的不同子类散射点粗略增强图像矩阵Ii及对应的聚类中心ci＝cai，cri，i＝1，2，...K、步骤1初始化参数中光在空气中传播速度c、系统信号带宽B、系统中心频率波长λ，系统成像场景中心距离rc、系统方位向孔径长度la、图像距离向像素数量nr、图像方位向像素数量na、图像距离向像素大小ir和图像方位向像素大小ia，计算系统精细响应函数Hi，i＝1，2，...K： 步骤6.1.对于步骤1中初始化的系统中心频率波长λ、系统方位向孔径长度la和步骤5中得到的聚类中心ci＝cai，cri，采用公式计算得到第i类散射点的图像矩阵中心点方位向分辨率，记为dai，i＝1，2，...K； 步骤6.2对于步骤1中初始化的图像方位向像素数量na、图像方位向像素大小ia和步骤6.1中计算得到的第i类散射点的图像矩阵中心点方位向分辨率dai，采用公式计算得到频域精细响应函数方位向支撑域大小，记为nafi，其中表示向下取整，i＝1，2，...K； 步骤6.3对于步骤1中初始化的距离向像素数量nr、图像方位向像素数量na、步骤2.5中计算得到的系统频域粗略响应函数距离向支撑域大小nrfc和步骤6.2中计算得到的频域精细响应函数方位向支撑域大小nafi，采用如下公式，计算频域精细响应矩阵，记为Hfi，i＝1，2，...K； 其中0m×n表示维度为m×n的全零矩阵，1m×n表示维度为m×n的全1矩阵； 步骤6.4对于步骤5中得到的聚类中心ci＝cai，cri，采用公式计算频域精细响应修正旋转角，记为θi，其中arctan·为求反正切函数，i＝1，2，...K； 步骤6.5对于步骤6.4中计算得到的频域精细响应修正旋转角θi和步骤6.3中得到的频域精细响应矩阵Hfi，采用传统图像双线性插值旋转算法对频域精细响应矩阵Hfi按修正旋转角θi逆时针旋转，得到频域精细响应修正矩阵，记为Hrfi，i＝1，2，...K； 步骤6.6对于步骤2.3中构建的矩阵Wr、步骤2.4中构建的矩阵Wa和步骤6.5中计算的矩阵Hrfi，采用公式计算精细响应矩阵，记为Hri，其中表示矩阵哈达玛积，vec·为矩阵向量化算子，diag·为向量矩阵化对角算子，i＝1，2，...K； 步骤7.构建精细卷积退化方程 对于步骤6中计算得到的精细响应矩阵Hri、步骤5中得到的粗略增强图像矩阵Ii和步骤1中初始化的正则化权重参数γ，记Iri为第i类散射点的精细增强图像矩阵，构建图像粗精细卷积方程如下： 其中表示向量2范数的平方，|·|表示向量1范数，vec·为矩阵向量化算子，i＝1，2，...K； 步骤8.求解精细卷积退化方程 对于步骤7中构建的精细卷积退化方程，采用标准最小绝对值收敛和选择算子求解卷积退化方程，实现空变反卷积，得到第i类散射点的精细增强图像矩阵Iri，i＝1，2，...K； 步骤9.精细增强图像叠加 对于步骤8中得到的不同子类散射点的精细增强图像矩阵Iri，i＝1，2，...K，采用公式计算得到最终增强图像，记为Ie； 至此，整个方法结束。

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电子科技大学，其通讯地址为：610000 四川省成都市高新区（西区）西源大道2006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”。