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！

龙图腾网获悉中国人民解放军63891部队申请的专利一种多类别、多方位角的SAR图像生成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：CN117115530B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202311055629.1，技术领域涉及：G06V10/764；该发明授权一种多类别、多方位角的SAR图像生成方法是由杜嘉薇;张星;陶业荣;崔晨;任嘉欣;杨奇才;翟树鑫;唐川;赵艳丽;张民垒;李鹏飞设计研发完成，并于2023-08-22向国家知识产权局提交的专利申请。

本一种多类别、多方位角的SAR图像生成方法在说明书摘要公布了：本发明涉及图像生成技术领域，具体涉及一种多类别、多方位角的SAR图像生成方法。该方法首先获取MSTAR数据集；对类别标签进行独热编码，将独热向量和从均匀分布采样的潜在编码在通道维度相连作为条件信息，和随机噪声一起输入生成器得到生成图像；得到输入图像与类别标签一致且为真实图像的概率以及预测的潜在编码；交替调整生成器和判别器参数，使生成器生成符合类别信息的以假乱真的图像，且潜在编码解耦出方位角信息；通过控制类别标签和潜在编码实现多类别、多方位角的SAR图像生成。本发明对于不同目标图像的生成任务，不需要使用不同目标数据集分别多次训练网络，通过类别标签和潜在编码生成类别、方位角可控的SAR图像。

本发明授权一种多类别、多方位角的SAR图像生成方法在权利要求书中公布了：1.一种条件生成对抗网络的多类别、多方位角的SAR图像生成方法，其特征在于，该方法包括如下步骤： 步骤1，获取MSTAR数据集，该数据集包括10类军事目标SAR图像； 步骤2，将每个类别标签转换为一个与类别标签数目相等的独热编码向量，利用N位0或1数值对N个不同的离散特征进行编码，独热编码向量在任意时刻只有一位有效，表示某个特定状态； 步骤3，从均匀分布随机采样得到潜在编码，将潜在编码和表示类别的独热向量在通道维度相连作为条件向量； 步骤4，从标准正态分布随机采样得到随机噪声，将条件向量和随机噪声作为输入，通过改进的Resnet网络结构的生成器学习条件信息，生成高分辨率的SAR图像； 步骤5，将生成图像或真实图像，和表示类别的独热编码向量输入判别器，得到特征图，将特征图展开为列向量，经过线性层输出输入图像符合类别标签且为真实图像的概率； 步骤6，将步骤5中得到的列向量，经过辅助网络的线性层得到预测的输入图像的输出编码； 步骤7，通过对抗性训练策略训练条件生成对抗网络，调整生成器和判别器的参数； 步骤8，训练结束后，输入随机噪声，通过指定独热编码向量和潜在编码，生成特定类别和方位角的SAR图像； 条件生成对抗网络包括生成器、判别器和辅助网络； 所述生成器，主要用于将类别标签、潜在编码作为条件信息，与随机噪声一起输入生成器指导图像生成；所述生成器包括1个线性层和5个神经网络层，每个神经网络层包括残差模块和上采样层，由残差模块与上采样层交替构建；所述残差模块包括2个相同输出通道数的33卷积层，每个卷积层后接一个批量归一化层和LeakyReLU激活函数；所述上采样层，用以不断扩大特征图尺寸； 所述判别器，主要用于判断输入图像是否为与类别标签一致的真实图像，包括2个线性层和5个神经网络层，第1个神经网络层是卷积层，后4个神经网络层包括残差模块与平均池化层，由残差模块与平均池化层交替构建；所述残差模块包括2个相同输出通道数的33卷积层，每个卷积层后接一个批量归一化层和LeakyReLU激活函数；所述平均池化层，用以不断缩小特征图尺寸； 在判别器末端引入一个辅助网络；所述辅助网络，用于学习预测输入图像的潜在编码；所述辅助网络与判别器除最后一个线性层不同之外，共享其余网络结构。

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中国人民解放军63891部队，其通讯地址为：471003 河南省洛阳市涧西区天津路104号院；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。