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雷达图像多视角特征提取与鉴别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：CN116778341B 。

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：202310901621.6，技术领域涉及：G06V20/10；该发明授权一种雷达图像多视角特征提取与鉴别方法是由裴季方;黄钰林;张星;张寅;马彦晶;霍伟博;杨建宇;杨海光设计研发完成，并于2023-07-21向国家知识产权局提交的专利申请。

本一种雷达图像多视角特征提取与鉴别方法在说明书摘要公布了：本发明公开了一种雷达图像多视角特征提取与鉴别方法，包括以下步骤：S1、雷达平台采集地面目标图像样本；S2、对采集的雷达图像样本进行预处理；S3、构建多视角图像组合数据集；S4、搭建多视角图像组合特征提取网络：通过片划分层将图片的最小单位从像素转变为预设定大小的块，并且一个块中的像素值合成一个向量；生成的向量将依次通过三个连续的阶段stage1、stage2和stage3；S5、搭建多视角图像组合特征鉴别网络；S6、将S3得到的数据集输入多视角图像组合特征提取网络和多视角图像组合特征鉴别网络进行训练，并利用训练得到的网络识别未知雷达图像。本发明通过对多视角特征的提取和鉴别，能够有效的提高雷达图像分类的精度，提升雷达自动目标检测系统的性能。

本发明授权一种雷达图像多视角特征提取与鉴别方法在权利要求书中公布了：1.一种雷达图像多视角特征提取与鉴别方法，其特征在于，包括以下步骤： S1、雷达平台采集地面目标图像样本：雷达平台在不同的视距内从不同的俯仰角和方位角获得给定地面目标的多视角图像； S2、对采集的雷达图像样本进行预处理；包括以下子步骤： S21、按方位角旋转：将所有雷达图像都将按特定的方位角进行旋转，以使其对齐同一方位； S22、中心裁剪和归一化：使用中心裁剪的方式，将采集到的雷达图像样本裁剪为大小相同且目标位于中心的切片，并对切片进行归一化处理； S23、使用基于幂函数的灰度增强方法对图像进行灰度增强处理； S3、构建多视角图像组合数据集：将目标在同一视角区间内的多视角雷达图像通过排列组合的方式，得到数据集； S4、搭建多视角图像组合特征提取网络：通过片划分层将图片的最小单位从像素转变为预设定大小的块，并且一个块中的像素值合成一个向量；生成的向量将依次通过三个连续的阶段stage1、stage2和stage3，stage1由线性嵌入层与SwinTransformer块组成；stage2和stage3由片合并层和SwinTransformer块组成； S5、搭建多视角图像组合特征鉴别网络：将多视角特征分别输入全局平均池化层和特征降维模块，输入全局平均池化层的多视角特征通过全连接层后得到预测标签，作为多视角图像组合特征鉴别结果；并计算预测标签与真实标签的概率分布之间的距离，作为交叉熵损失lCE； 特征降维模块对输入的多视角特征进行降维，将多视角特征分为anchor、positive和negative三类；anchor为从训练数据集中的随机选取的一个样本，positive表示与anchor相同的类别的样本，negative表示不同类别的样本；三元组损失描述的是减少positive与anchor之间的距离，并扩大negative与anchor之间距离，表示为： 其中和分别表示anchor、positive和negative中的第i个样本，N表示共有N个样本，表示二范数，m即为要求anchor和negative之间的距离与anchor和positive之间的距离的差值需大于m； 特征鉴别网络部分构建的最终联合损失函数lJoint表示为： minimizelJoint＝minimizeλlCE+μlTriplet 其中λ和μ为超参数，分别表示交叉熵损失和三元组损失的权重；根据联合损失函数，利用反向传播算法优化多视角图像组合特征提取网络的参数； S6、将S3得到的数据集输入多视角图像组合特征提取网络和多视角图像组合特征鉴别网络进行训练，并利用训练得到的网络识别未知雷达图像。

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电子科技大学，其通讯地址为：611731 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”。