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swin transformer和小波变换的SAR图像去噪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：CN117036191B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202310945884.7，技术领域涉及：G06T5/70；该发明授权基于swin transformer和小波变换的SAR图像去噪方法是由王笛;张国盛;田玉敏;王泉;万波;刘锦辉;罗楠;赵辉设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本基于swin transformer和小波变换的SAR图像去噪方法在说明书摘要公布了：本发明公开了一种基于swintransformer和小波变换的SAR图像去噪方法，其实现步骤为：对生成的含噪样本集中的每个样本进行尺度为1的小波分解，得到每个样本的4个子带图片，训练构建的SwinTransformer网络，对SAR图像进行去噪。本发明利用小波变换后的样本训练构建的swintransformer的SAR图像去噪网络，利用小波变换的多尺度分析特性在不同尺度上对信号进行局部分析，使得滤除高频噪声成分的同时保留了原始图像的边缘纹理信息；利用swintransformer的局部窗口连接策略，增强了图像信息特征的同时降低了模型的参数量，减少了生成降噪后图像的时间。

本发明授权基于swin transformer和小波变换的SAR图像去噪方法在权利要求书中公布了：1.一种基于swintransformer和小波变换的SAR图像去噪方法，其特征在于，对样本小波分解，构建SwinTransformer网络，去噪的同时对图像边缘特征信息进行有效捕获；该去噪方法的步骤包括如下： 步骤1，对生成的含噪样本集中的每个样本进行尺度为1的小波分解，得到该样本的４个子带图片； 步骤2，构建SwinTransformer网络： 搭建SwinTransformer网络，其中，第1卷积层、深度特征提取模块、第1加法器、第2卷积层、激活函数层、第2加法器依次串联组成主干支路，主干支路中第1卷积层的输入端与第2加法器相连，第1卷积层的输出端与第1加法器相连；将第1、第2卷积层的卷积核大小均设置为，卷积步长均设置为1，填充数均设置为1，激活函数层均采用斜率为0.2的LeakyReLU函数实现； 所述的深度特征提取模块由第1RSTB块、第2RSTB块、第3RSTB块、第4RSTB块、第5RSTB块、第6RSTB块、卷积层、激活函数层依次串联组成；第1至第6RSTB块的结构相同，均由第1STL层、第2STL层、第3STL层、第4STL层、第5STL层、第6STL层、卷积层、激活函数层依次串联组成；将卷积层的卷积核大小设置为，卷积步长设置为1，填充数设置为1，激活函数层采用斜率为0.2的LeakyReLU函数实现； 所述深度特征提取模块中每个RSTB块的第1STL层、第3STL层、第5STL层均为W-MSA结构；每个W-MSA结构均由第1归一化层、窗口多头自注意力层、第1加法器、第2归一化层、多层感知器、第2加法器依次串联组成；将窗口多头自注意力层的窗口大小设置为8，注意力头的数量设置为6； 所述深度特征提取模块中每个RSTB块的第2STL层、第4STL层、第6STL层均为SW-MSA结构；每个SW-MSA由第一归一化层、偏移窗口多头自注意力层、第1加法器、第2归一化层、多层感知器、第2加法器依次串联组成；将偏移窗口多头自注意力层的窗口大小设置为8，注意力头的数量设置为6； 步骤3，训练SwinTransformer网络； 步骤4，对SAR图像进行去噪： 采用与步骤1相同的方法，对待去噪的SAR图像小波分解后，输入到训练好的SwinTransformer网络中，对网络输出的4个降噪图像进行小波逆变换后合得到去噪后的图像。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路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”。