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目标和干扰分解近场SAR图像域干扰抑制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：CN115575898B 。

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：202211080971.2，技术领域涉及：G01S7/02；该发明授权一种目标和干扰分解近场SAR图像域干扰抑制方法是由张晓玲;詹旭;张文思;师君;韦顺军;曾天娇设计研发完成，并于2022-09-05向国家知识产权局提交的专利申请。

本一种目标和干扰分解近场SAR图像域干扰抑制方法在说明书摘要公布了：本发明公开了一种目标和干扰分解近场SAR图像域干扰抑制方法。它是通过在图像域对干扰进行抑制，具体通过迭代求解的方式对含干扰的近场SAR原图像进行目标和干扰分解，获得不含干扰的目标图像。在每次迭代中，首先更新目标图像；然后更新干扰图像；根据本次迭代更新的目标图像与上次迭代更新的目标图像两者的相对变化量判断是否停止迭代，输出最新更新的目标图像为近场SAR干扰抑制结果。本发明方法能有效抑制干扰，提取目标图像；与传统背景对消干扰抑制方法相比，本发明方法具有无需系统两次连续成像、效率显著提升；干扰抑制后目标图像质量高等特点；同时适用于近场SAR二维和三维图像的干扰抑制。

本发明授权一种目标和干扰分解近场SAR图像域干扰抑制方法在权利要求书中公布了：1.一种目标和干扰分解近场SAR图像域干扰抑制方法，其特征是它包括以下步骤： 步骤1.初始化相关参数 图像方位向像素数，记为Na；图像距离向像素数，记为Nr，图像高度向像素数，记为Nh，对于二维图像来说，其Nh＝1；采用传统后向投影算法处理得到的含干扰的近场SAR原图像，记为初始化目标图像分量，记为S0；初始化干扰图像分量，记为J0；拉格朗日乘子初始化矩阵，记为Y0；干扰图像分解权重系数，记为ξ；迭代收敛阈值，记为ε； 步骤2.高度向重排列 将步骤1初始化得到的含干扰的近场SAR原图像中的每一高度向切片采用传统矩阵向量化算子方法重新排列成一列向量，记为di，向量的维度为Na×Nr×1，i＝1，2，…，Nh；然后将每一高度向切片对应的列向量，从左至右排列，形成重排列的含干扰的近场SAR原图像 步骤3.构建目标和干扰图像分解方程 根据步骤2中初始化得到的重排列的含干扰的近场SAR原图像干扰图像分解权重系数ξ，构建目标和干扰图像分解方程； 其中argminJ,s,Y表示使取最小值的J、S和Y，J、S和Y分别为干扰图像、目标图像和拉格朗日乘子矩阵，I为步骤2得到的重排列的含干扰的近场SAR原图像；‖·‖1表示矩阵L1范数，‖·‖*表示矩阵核范数，表示矩阵斐波拉契范数的平方，Tr·表示矩阵求迹，·H表示矩阵转置共轭； 步骤4.目标和干扰图像迭代分解 对于步骤1中初始化得到的干扰图像分解权重系数ξ和迭代收敛阈值ε，通过迭代方式求解步骤3中构建的目标和干扰图像分解方程，实现目标和干扰图像迭代分解，在第k次迭代中执行以下步骤： 步骤4.1.建立基于目标图像L1范数正则化去噪方程： O＝I-Jk-1+Yk-1 其中argminS表示使取最小值的S，S为目标图像，O为含噪声的目标图像；I为步骤2得到的重排列的含干扰的近场SAR原图像，Jk-1和Yk-1分别为第k-1次迭代中得到的干扰图像和拉格朗日乘子矩阵； 步骤4.2目标图像分解： 根据步骤4.1中建立的基于目标图像L1范数正则化去噪方程，采用如下公式实现目标图像分解； O＝I-Jk-1+Yk-1 其中sign·为按元素取符号算子，thr·为按元素硬阈值算子，⊙表示矩阵哈达玛达积；表示维度为Na×Nr×Nh的元素全为1的矩阵，O为含噪声的目标图像，|·|表示矩阵1范数；I为步骤2得到的重排列的含干扰的近场SAR原图像，Jk-1和Yk-1分别为第k-1次迭代中得到的干扰图像和拉格朗日乘子矩阵；Sk为第k次迭代中更新所求的目标图像； 步骤4.3.建立基于干扰图像核范数正则化去噪方程： P＝I-Sk+Yk-1 其中argminJ表示使取最小值的J，J为干扰图像，P为含噪声的干扰图像；I为步骤2得到的重排列的含干扰的近场SAR原图像，Yk-1为第k-1次迭代中得到的拉格朗日乘子矩阵,Sk为步骤4.2中得到的更新后目标图像，ξ为干扰图像分解权重系数； 步骤4.4干扰图像分解： 根据步骤4.3中建立的基于干扰图像核范数正则化去噪方程，采用如下公式实现干扰图像分解； Jk＝U·M·VH ∑＝diagσP P＝I-Sk+Yk-1 其中，U和VH分别是对P按矩阵奇异值分解得到的左奇异矩阵和右奇异矩阵，P为含噪声的干扰图像；∑为P的奇异值矩阵，σP为P的奇异值向量，ξ为干扰图像分解权重系数，表示维度为Na×Nr×Nh的元素全为1的矩阵，sign·为按元素取符号算子，diag·为向量矩阵化对角算子，M为P去噪后的奇异值矩阵；I为步骤2得到的重排列的含干扰的近场SAR原图像，Yk-1为第k-1次迭代中得到的拉格朗日乘子矩阵,Sk为步骤4.2中得到的更新后目标图像；Jk为第k次迭代中更新所求的干扰图像； 步骤4.5.采用如下公式实现拉格朗日乘子矩阵更新： Yk＝Yk-1+I-Jk-Sk Yk为第k次迭代中更新所求的拉格朗日乘子矩阵；I为步骤2得到的重排列的含干扰的近场SAR原图像，Sk为步骤4.2中得到的更新后目标图像，Jk为步骤4.4中得到的更新后干扰图像，Yk-1为第k-1次迭代中更新的拉格朗日乘子矩阵； 步骤4.6.迭代停止判断： 采用公式dk＝‖Sk-Sk-1Sk-1‖F，计算目标图像相对变化率dk，其中Sk和Sk-1分为第k次和第k-1次迭代中更新的目标图像，‖·‖F表示矩阵斐波拉契范数； 若dk≥ε则重复执行步骤，继续下一次迭代；否则停止迭代，此时Sk为最终近场SAR干扰抑制结果，其中ε为迭代收敛阈值。

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”。