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！

龙图腾网获悉北京航空航天大学申请的专利一种结合网络滤波与结构复原的SAR图像相干斑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：CN117173068B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202311196040.3，技术领域涉及：G06T5/50；该发明授权一种结合网络滤波与结构复原的SAR图像相干斑抑制方法是由郭宇鲲;潘宝菁;于金栋;于泽;李景文设计研发完成，并于2023-09-15向国家知识产权局提交的专利申请。

本一种结合网络滤波与结构复原的SAR图像相干斑抑制方法在说明书摘要公布了：本发明公开了一种结合网络滤波与结构复原的SAR图像相干斑抑制方法，SAR图像中相干斑的分布与成像区域的表面特性相关，异质区域的纹理、边缘、强散射体等目标结构往往会在相干斑抑制过程中被模糊或破坏。为解决此问题，本发明首先利用双边残差块网络对SAR图像进行滤波，尽可能地抑制相干斑，再通过基于边缘检测网络的图像分割和基于线性加权的加权融合复原滤波过程中被破坏的目标结构。结果表明，本发明方法实现了抑制相干斑的同时也完整地保留了SAR图像中的目标结构。

本发明授权一种结合网络滤波与结构复原的SAR图像相干斑抑制方法在权利要求书中公布了：1.一种结合网络滤波与结构复原的SAR图像相干斑抑制方法，其特征在于包括有下列步骤： 步骤一，SAR图像相干斑滤除； 步骤11，SAR图像的获取； 将SAR信号处理器中1A级处理器输出的单视复图像，记为单视复SAR图像，且；q的取值范围1至N，N表示图像方位向点数；p的取 值范围1至N，N表示图像距离向点数；因此图像中的就是SAR图像的第q行第p列的 像素点； 步骤12，基于双边残差块的SAR图像的损失函数获取； 基于双边残差块的网络结构的输入和输出部分分别包含两层普通卷积层，其中除了最后的输出层，另外三层都在ReLu激活函数层之前加入了批标准化层；网络的核心主体是中间级联的6个双边残差块； 训练时将SAR图像数据集划分为SAR图像训练集和SAR图像验证集，分批次输入 基于双边残差块的网络，观察验证集的损失函数是否下降以判断基于双边残差块的网络是否 过拟合； m为单次输入网络中的图像总数量； 为单次输入网络中任意一图像的标识号； 为图像的宽度，为图像宽度的最大宽度； 为图像宽度上的像素点； 为图像的高度，为图像高度的最大高度； 为图像高度上的像素点； 为第张输入图像中处的像素； 为第张输入图像处对应在标签中的像素； 表示当前网络函数，表示网络参数； 步骤13，基于损失函数的SAR图像滤除处理； 依据损失函数对图像进行相干斑滤除之后，得到滤除后图像，且； 步骤二，基于边缘检测网络的图像分割； 步骤21，区分SAR图像的背景区域与目标区域； 利用边缘检测网络区分输入的图像中的均匀背景区域和目标结构区域，实现图像的图像分割； 边缘检测网络的输出矩阵记为边缘检测－分割图像，所述中各元素取值为0到 1； 步骤22，基于边缘检测网络的训练－损失函数获取； 训练边缘检测网络的训练阶段使用的损失函数定义为6个侧边输出以及最终输出结果 与二值标签图像的加权交叉熵，则训练－损失函数为，第幅 侧边输出图像与二值标签图像的交叉熵为 ； 为第幅输出图像的权重； 表示第幅输出图像的像素点； 表示背景像素占比，且，代表目标像素的集合，代表背景区域像素的 集合； 为对目标像素6个侧边的累积； 为第像素点为目标像素； 为中任意一目标像素的标识号； 为对背景区域像素6个侧边的累积； 为第像素点为背景区域像素； 为中任意一背景区域像素的标识号； 步骤23，依据训练－损失函数的图像分割； 依据训练－损失函数进行图像分割，得到边缘检测－分割图像，且； 步骤三，基于线性加权的SAR图像加权融合； 相干斑抑制增益因子是将累积中背景区域像素比上累积中背景区域像素； 具体的相干斑抑制增益因子； 表示单视复SAR图像中处的像素值； 表示滤除后SAR图像中处的像素值； 代表背景区域像素的集合； 利用增益因子和计算图像权值，对相干斑抑制的滤波结果与进行加权融合，得 到融合后SAR图像，且； 表示哈达玛积运算符； 为相干斑抑制后的SAR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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。