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！

龙图腾网获悉西安电子科技大学申请的专利基于深度生成模型的高保真全方位SAR图像生成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：CN115984710B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202211656051.0，技术领域涉及：G06V20/13；该发明授权基于深度生成模型的高保真全方位SAR图像生成方法是由邢孟道;金吉森;石鑫;孙光才设计研发完成，并于2022-12-22向国家知识产权局提交的专利申请。

本基于深度生成模型的高保真全方位SAR图像生成方法在说明书摘要公布了：本发明公开了一种基于深度生成模型的高保真全方位SAR图像生成方法，包括：将待生成SAR图像的预设类别、预设方位角和预设噪声向量输入图像生成模型；图像生成模型包括线性层、第一生成残差模块、自注意力模块、第二生成残差模块和生成模块；线性层对噪声向量进行维度扩展后，第一生成残差模块对维度扩展后的噪声向量进行特征提取，并生成第一特征图；自注意力模块根据第一特征图生成自注意力特征图；基于自注意力特征图，生成模块生成预设类别和预设方位角下的SAR图像。本发明所使用的图像生成模型网络结构简单、参数量较少，有利于降低过拟合的风险，并且自注意力模型引入了自注意力机制，能够改善特征图的表达能力，进而改善生成的SAR图像的质量。

本发明授权基于深度生成模型的高保真全方位SAR图像生成方法在权利要求书中公布了：1.一种基于深度生成模型的高保真全方位SAR图像生成方法，其特征在于，包括： 将待生成SAR图像的预设类别、预设方位角和预设噪声向量输入图像生成模型；所述图像生成模型包括依次连接的线性层、第一生成残差模块、自注意力模块、第二生成残差模块和生成模块； 所述线性层对所述噪声向量进行维度扩展后，所述第一生成残差模块对维度扩展后的噪声向量进行特征提取，并生成第一特征图； 所述自注意力模块根据所述第一特征图生成自注意力特征图； 基于所述自注意力特征图，所述生成模块利用预设激活函数生成预设类别和预设方位角下的SAR图像； 所述自注意力模块根据所述第一特征图生成自注意力特征图的步骤，包括： 所述自注意力模块利用3个1*1的卷积核分别对所述第一特征图进行卷积，得到第一子图、第二子图和第三子图； 将所述第一子图与所述第二子图点乘后输入Softmax函数，生成注意力图； 将所述注意力图与所述第三子图点乘后进行卷积，得到自注意力特征图； 所述图像生成模型按照如下步骤训练得到： 获取训练数据集，所述训练数据集包括多个训练样本，各训练样本包括样本图像、样本图像对应的真实类别以及真实方位角，所述样本图像为SAR图像； 生成噪声向量，并将生成的噪声向量输入至待训练的生成对抗网络，以使所述待训练的生成对抗网络中的待训练生成器网络基于第二预设噪声向量，生成与所述真实类别和真实方位角对应的假图像； 生成实例噪声并将所述实例噪声分别添加至所述假图像和所述样本图像； 将添加有实例噪声的假图像和添加有实例噪声的样本图像分别输入所述待训练的生成对抗网络中的待训练判别器网络，并根据所述待训练判别器网络的判别结果、所述真实类别和所述真实方位角确定预设损失函数的损失值； 根据所述损失值判断所述待训练的生成对抗网络是否收敛；若是，则将所述待训练的生成对抗网络中的待训练生成器网络作为图像生成模型；若否，则通过反向传播交替调整待训练生成器网络的网络参数和待训练判别器网络的网络参数之后，返回所述生成噪声向量，并将生成的噪声向量输入至待训练的生成对抗网络的步骤。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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”。