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！

龙图腾网获悉武汉软件工程职业学院(武汉开放大学)申请的专利基于多尺度强复域交替复原网络的SAR图像相干斑噪声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：CN120725912B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202510825663.5，技术领域涉及：G06T5/70；该发明授权基于多尺度强复域交替复原网络的SAR图像相干斑噪声抑制方法是由黄颖;崔英姿设计研发完成，并于2025-06-19向国家知识产权局提交的专利申请。

本基于多尺度强复域交替复原网络的SAR图像相干斑噪声抑制方法在说明书摘要公布了：本发明涉及图像噪声抑制领域，公开了一种基于多尺度强复域交替复原网络的SAR图像相干斑噪声抑制方法，方法包括：获取输入的具有相干斑噪声的SAR图像，并提取其浅层高维特征向量；构建并预训练多尺度强复域交替复原网络；所述多尺度强复域交替复原网络包括编码部分和解码部分；将浅层高维特征向量输入至编码部分进行相干斑噪声抑制，得到处理后的图像；将处理后的图像输入至解码部分，得到高频细节复原，得到最终相干斑噪声抑制的SAR图像；本发明能够对SAR图像进行高保真还原。

本发明授权基于多尺度强复域交替复原网络的SAR图像相干斑噪声抑制方法在权利要求书中公布了：1.一种基于多尺度强复域交替复原网络的SAR图像相干斑噪声抑制方法，其特征在于： 方法包括以下步骤： S1、获取输入的具有相干斑噪声的SAR图像，并提取其浅层高维特征向量； S2、构建并预训练多尺度强复域交替复原网络；所述多尺度强复域交替复原网络包括编码部分和解码部分； S3、将浅层高维特征向量输入至编码部分进行相干斑噪声抑制，得到处理后的图像； S4、将处理后的图像输入至解码部分，得到高频细节复原，得到最终相干斑噪声抑制的SAR图像； 步骤S2中所述编码部分包括：强度域相干斑噪声抑制模块、复数域实部和虚部复原模块、下采样模块； 步骤S3具体如下： S31、将浅层高维特征向量输入至强度域相干斑噪声抑制模块中，来初步抑制第一尺度下强度域中的相干斑噪声； S32、将抑制相干斑噪声后的特征向量输入复数域实部和虚部复原模块中，在复数域中分别对其实部和虚部进行信息复原后再计算强度域特征向量； S33、对复原后的强度域特征向量、抑制相干斑噪声后的特征向量输入至下采样模块，来继续第二尺度下的相干斑噪声的抑制和复数域中实部、虚部信息的复原，得到第二尺度下相干斑噪声抑制后的特征向量、复原后强度域的特征向量； S34、进行2倍下采样，重复以上S33步骤，得到了第三尺度下充分抑制相干斑噪声后的高维向量，获得编码部分输出的复原后强度域特征向量，包括第三尺度下的相干斑噪声抑制后的特征向量、复原后强度域的特征向量RF3； 步骤S2中所述解码部分包括：空洞卷积注意力模块和高频细节复原模块； 步骤S4具体如下： S41、将编码部分输出的复原后强度域特征向量输入至空洞卷积注意力模块和高频细节复原模块进行高频细节复原和边界特征锐化，得到第三尺度下注意力处理后的特征向量DCF3、高频细节复原后的特征向量； S42、将第三尺度下高频细节复原后的特征向量进行上采样后获得第二尺度下特征信息，然后加上编码部分第二尺度下输出的复原后强度域的特征向量，输入至空洞卷积注意力模块和高频细节复原模块，来进行解码部分第二尺度下的特征信息的复原，得到第二尺度下的注意力处理后的特征向量DCF2、高频细节复原后的特征向量； S43、再次进行2倍上采样，重复步骤S42，得到第一尺度下高频细节复原和边界特征锐化的特征向量，包括DCF1和； S44、将第一尺度下的高频细节复原后的特征向量加上网络初始提取的浅层高维特征向量输入至连续连接的空洞卷积注意力模块、高频细节复原模块中，进行最后一步的高频纹理复原工作，得到空洞卷积注意力模块、高频细节复原模块输出的进一步处理的注意力处理后的特征向量DCF0、高频细节复原后的特征向量； 步骤S4还包括： S45、将最后一个高频细节复原模块输出的高频细节复原后的特征向量输入至一个卷积层，将其从向量域复原至图像域中，得到最终相干斑噪声抑制的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武汉软件工程职业学院(武汉开放大学)，其通讯地址为：430000 湖北省武汉市东湖高新开发区光谷大道117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。