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！

龙图腾网获悉无锡学院申请的专利基于局部-全局特征增强的合成孔径光学图像复原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：CN119205581B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202411697443.0，技术领域涉及：G06T5/77；该发明授权基于局部-全局特征增强的合成孔径光学图像复原方法是由张银胜;童俊毅;单慧琳;陈昕;吴心悦;高润泽设计研发完成，并于2024-11-26向国家知识产权局提交的专利申请。

本基于局部-全局特征增强的合成孔径光学图像复原方法在说明书摘要公布了：本发明公开了基于局部‑全局特征增强的合成孔径光学图像复原方法，包括：获取合成孔径光学图像数据集并仿真退化，得到仿真退化数据集，进而划分得到训练、验证和测试集；构建合成孔径光学图像复原网络；将训练和验证集输入合成孔径光学图像复原网络中进行训练，计算损失函数并进行反向传播，更新网络参数，获取训练好的最佳参数模型；将测试集输入训练好的最佳参数模型中，得到合成孔径光学复原图像。本发明利用LAG‑Transformer层对提取特征序列进行全局信息关注，减少序列长度，提取高级语义信息，利用GRM‑Convolution层、ASFE层关注特征的局部信息，弥补了Transformer对局部信息捕捉能力的不足。

本发明授权基于局部-全局特征增强的合成孔径光学图像复原方法在权利要求书中公布了：1.基于局部-全局特征增强的合成孔径光学图像复原方法，其特征在于，包括如下步骤： 步骤1，获取合成孔径光学图像数据集并进行仿真退化，得到仿真退化图像数据集，且合成孔径光学图像数据集与仿真退化图像数据集中的图像一一对应，将对应后的图像数据集随机划分为训练集、验证集和测试集； 步骤2，构建合成孔径光学图像复原网络，包括编码网络和解码网络，编码网络包括依次连接的第一模块至第五模块，第一模块与原始输入图像之间连接有输入映射模块，解码网络包括依次连接的第六至第十模块，第六模块的输入端连接第五模块的输出端，第十模块的输出端连接第二门控残差卷积层，将门控残差卷积层的输出作为所述合成孔径光学图像复原网络的最终输出； 第一模块至第十模块的结构相同，均包括依次连接的线性门控Transformer层、第一门控残差卷积层和自适应尺度特征增强模块，输入映射模块的输出与第二门控残差卷积层的输出跳连接，第一模块中自适应尺度特征增强模块的输出与第十模块中自适应尺度特征增强模块的输出跳连接，第二模块中自适应尺度特征增强模块的输出与第九模块中自适应尺度特征增强模块的输出跳连接，第三模块中自适应尺度特征增强模块的输出与第八模块中自适应尺度特征增强模块的输出跳连接，第四模块中自适应尺度特征增强模块的输出与第七模块中自适应尺度特征增强模块的输出跳连接，第五模块中自适应尺度特征增强模块的输出与第六模块中自适应尺度特征增强模块的输出跳连接； 输入映射模块将原始输入图像映射为原始输入特征序列，第一至第五模块分别输出原始输入特征序列12、14、18、116和132长度的特征序列，第六至第十模块分别输出原始输入特征序列132、116、18、14和12长度的特征序列； 所述线性门控Transformer层包括第一至第四归一化层、第一至第二前向传播模块、窗口多头聚焦线性注意力模块以及移位窗口多头聚焦线性注意力模块； 所述线性门控Transformer层的输入x依次经第一归一化层和窗口多头聚焦线性注意力模块后，得到窗口多头聚焦线性注意力模块的输出，窗口多头聚焦线性注意力模块的输出与x相加得到特征序列x1；x1依次经第二归一化层和第一前向传播模块后，得到第一前向传播模块的输出，第一前向传播模块的输出与x1相加得到特征序列x2；x2依次经第三归一化层和移位窗口多头聚焦线性注意力模块后，得到移位窗口多头聚焦线性注意力模块的输出，移位窗口多头聚焦线性注意力模块的输出与x2相加得到特征序列x3；x3依次经第四归一化层和第二前向传播模块后，得到第二前向传播模块的输出，第二前向传播模块的输出与x3相加作为线性门控Transformer层的输出； 所述窗口多头聚焦线性注意力模块和移位窗口多头聚焦线性注意力模块均包括聚焦线性注意力模块； 窗口多头聚焦线性注意力模块将第一归一化层的输出划分为多个窗口，分别对每个窗口使用聚焦线性注意力模块计算注意力，再将所有窗口的注意力拼接起来作为窗口多头聚焦线性注意力模块的输出； 移位窗口多头聚焦线性注意力模块对第三归一化层的输出先移位后划分为多个窗口，分别对每个窗口使用聚焦线性注意力模块计算注意力，再将所有窗口的注意力拼接起来作为移位窗口多头聚焦线性注意力模块的输出； 聚焦线性注意力模块的输入经线性变换分为查询向量、键向量和值向量，查询向量经Relu激活函数并缩放后，通过第一欧几里得范数求解；键向量经Relu激活函数并缩放后，通过第二欧几里得范数求解；第一欧几里得范数和第二欧几里得范数的结果进入聚焦函数，得到聚焦结果，对聚焦结果进行转置，得到转置结果；转置结果与值向量进行爱因斯坦相加，得到K-V键值对，K-V键值对与聚焦结果进行爱因斯坦相加，得到第一结果；值向量经3×3深度可分离卷积后再与爱因斯坦结果相加，得到第二结果，第二结果依次经全连接层和随机失活层后，得到聚焦线性注意力模块的输出； 所述聚焦函数公式如下： SimQi,Kj＝φpQiφpKjT φpQi＝fpReluQi 其中，SimQi,Kj表示相似度函数，Qi,Kj分别表示不同维度的查询向量和键向量，φpQi表示对Qi的激活函数进行聚焦线性注意力计算，φpKj表示对Kj的激活函数进行聚焦线性注意力计算，Relu表示Relu激活函数，fp·表示聚焦线性注意力计算函数，ReluQi**p表示ReluQi的元素幂p； 步骤3，将步骤1得到的训练集和验证集输入至步骤2构建的合成孔径光学图像复原网络中进行训练，计算损失函数并进行反向传播，更新网络参数，获取训练好的最佳参数模型； 步骤4，将步骤1得到的测试集输入到步骤3训练好的最佳参数模型中，输出合成孔径光学系统的复原图像。

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无锡学院，其通讯地址为：214105 江苏省无锡市锡山区锡山大道333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”。