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！

龙图腾网获悉南京航空航天大学申请的专利基于图像评估与特征选择的SAR-光学图像翻译方法及系统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：CN115859606B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202211493877.X，技术领域涉及：G06F30/20；该发明授权基于图像评估与特征选择的SAR-光学图像翻译方法及系统是由王思婕;周建江;余天柱设计研发完成，并于2022-11-25向国家知识产权局提交的专利申请。

本基于图像评估与特征选择的SAR-光学图像翻译方法及系统在说明书摘要公布了：本发明公开了基于图像评估与特征选择的SAR‑光学图像翻译方法及系统包括，根据SAR图像的几何失真与低分辨率特性，结合特征选择，建立残差映射网络；结合局部信息、全局信息以及信息融合特性，建立图像生成网络；根据SAR图像生成对抗、图像降噪以及评估引导特性，设计损失约束函数；根据所述损失约束算法，设计基于多尺度的判决网络，结合所述残差映射网络与图像生成网络，建立光学图像翻译模型。在特征提取过程中更加关注SAR图像中与光学图像对应性强的重要信息，能更好地达成光学传感器与SAR传感器在信息表达上的一致性。本发明提出的图像翻译模型算法在单场景的专项翻译任务与混合场景的复合翻译任务中都能取得更好的翻译效果。

本发明授权基于图像评估与特征选择的SAR-光学图像翻译方法及系统在权利要求书中公布了：1.基于图像评估与特征选择的SAR-光学图像翻译方法，其特征在于：包括， 根据SAR图像的几何失真与低分辨率特性，结合特征选择，建立残差映射网络； 结合局部信息、全局信息以及信息融合特性，建立图像生成网络； 根据SAR图像生成对抗、图像降噪以及评估引导特性，设计损失约束函数； 根据所述损失约束算法，设计基于多尺度的判决网络，结合所述残差映射网络与图像生成网络，建立光学图像翻译模型； 所述基于多尺度的判决网络包括， 其中，λDCT表示离散余弦损失函数的权重值，λLPIPS表示基于深层纹理结构的感知距离损失函数的权重值，λMSE表示基于像素校准的均方误差损失函数的权重值，LcGANG,Dk表示基于生成对抗的损失函数，LDCTG,Dk表示基于图像降噪的损失函数，LMSEG,Dk为基于像素校准的均方误差损失函数，LLPIPSG,Dk为基于深层纹理结构的感知距离损失函数，G*表示生成网络，D*表示判别网络，k取1-2，表示不同的判别网络，D1为第一个判别网络，D2为第二个判别网络； 所述基于均方误差统计的误差损失函数包括， 其中，X和Y分别表示输入网络的SAR图像和光学图像，h和w分别表示图像矩阵的长和宽，i和j分别表示横轴和纵轴方向的每一个像素单元，G是生成器网络，yi,j表示光学图像上的每一个像素单元，GXi,j为生成器根据SAR图像所生成的生成图像上的每一个像素单元，GX表示生成器根据X所生成的图像； 所述基于图像深度感知距离的感知损失函数包括， 其中，X和Y分别表示输入网络的SAR图像和光学图像，h和w分别表示图像矩阵的长和宽，φi表示池化层之前最后一层卷积层输出的特征向量，T表示特征提取网络的总层数，Hi为第i层网络中的图像矩阵长度，Wi为第i层网络中的图像矩阵宽度，wi为是第i层分配的权重因子，i表示不同网络层； 所述离散余弦损失函数包括， 其中，DFTu,v是离散余弦变换的结果，fx,y是输入图像矩阵，N是图像矩阵的宽度，u，v表示离散余弦变换之后的每个单元的值，x，y表示变换之前的每个单元的值； 所述离散余弦损失函数还包括， LDCTX,Y＝‖DCTGX-DCTY‖F 其中，DCT是离散余弦变换函数，||·||F是矩阵范数，G是生成器网络，X是输入的SAR图像，Y是对应的光学图像，i，j分别是二维坐标中的标尺。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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”。

以上内容由龙图腾AI智能生成。