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SAR图像斑噪抑制和结构保持的协同优化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：CN119540079B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411678291.X，技术领域涉及：G06T5/60；该发明授权SAR图像斑噪抑制和结构保持的协同优化方法是由于泽;潘宝菁;姚现勋;李春升设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本SAR图像斑噪抑制和结构保持的协同优化方法在说明书摘要公布了：本发明公开了一种SAR图像斑噪抑制和结构保持的协同优化系统及方法，该系统由基于边缘检测网络的结构提取模块、基于卷积的特征融合模块和基于双边残差块网络的斑点噪声抑制模块组成，其存储于1B级信号处理器中；该方法首先将有斑点噪声的原始SAR图像Xi输入到Stu模块中提取出的图像结构信息XSi；然后将Xi和XSi通过卷积和注意力机制进行特征融合得到特征融合后信息UXi；最后UXi经过Dep模块去斑后，得到的斑噪抑制和结构保持协同优化的SAR图像。该方法利用了斑点噪声抑制模块与结构提取模块之间的耦合，通过结构信息的引导，在去除斑点的同时，更好地保留了SAR图像的边缘和纹理细节。

本发明授权SAR图像斑噪抑制和结构保持的协同优化方法在权利要求书中公布了：1.一种SAR图像斑噪抑制和结构保持的协同优化系统，其特征在于：该系统由基于边缘检测网络的结构提取模块即Stu模块、基于卷积的特征融合模块即Fus模块和基于双边残差块网络的斑点噪声抑制模块即Dep模块组成； Stu模块第一方面通过编码器块，提取不同尺度的图像特征，用于生成多尺度结构映射；第二方面通过上采样块，提升特征图分辨率，生成细化的结构映射；第三方面通过结构融合层，将所有上采样块生成的中间结构映射进行融合，通过学习到的滤波器生成最终的结构提取特征图； Fus模块第一方面，通过卷积操作对SAR图像进行处理，生成SAR初步特征图；第二方面，通过卷积操作对SAR图像进行处理，生成注意力矩阵；第三方面，SAR初步特征图和注意力矩阵加权融合；第四方面，通过卷积融合，生成更高质量的融合特征； Dep模块第一方面通过由卷积层、批量归一化层和RELU激活函数组成的输入层初步提取图像特征；第二方面通过由两种不同感受野的卷积操作组成的双重残差块进行斑点噪声抑制，同时实现全局特征提取和局部细节保留；第三方面通过由一个卷积层和一个双曲正切激活函数组成的输出层将去噪结果映射回图像，并生成最终的斑点噪声抑制结果； 构建双边残差块网络的斑点噪声抑制模块即Dep模块的方法有下列步骤： 构建步骤1，获取训练图像； 从1B级信号处理器中选取出多幅带有斑点的SAR单视复图像作为训练图像，记为训练图像集合； 表示第1幅训练图像； 表示第2幅训练图像； 表示第幅训练图像； 表示最后一幅训练图像； 所述采用像素点矩阵表示为； 为方位向像素点总数；为距离向像素点总数； ,表示方位向的第个像素点； ,表示距离向的第个像素点； 表示训练图像的第行第列的像素点； 表示训练图像的第1行第列的像素点； 表示训练图像的第行第1列的像素点； 表示训练图像的第行第列的像素点，也是训练图像的最后一个像素点； 构建步骤2，获取无噪标签数据集； 将作为无噪声参考标签，然后利用了SAR系统的回波模拟和成像处理技术，经过距离－多普勒算法得到模拟数据的成像结果，记为； 表示训练图像经SAR系统的回波模拟和成像处理后的成像结果； 表示训练图像经SAR系统的回波模拟和成像处理后的成像结果； 表示训练图像经SAR系统的回波模拟和成像处理后的成像结果； 表示训练图像经SAR系统的回波模拟和成像处理后的成像结果； 所述的幅度被用作回波模拟中的散射系数，经过距离－多普勒算法得到模拟数据的成像结果，从而生成对应的模拟数据； 为了准确捕捉地面工作场景的复杂性和多样性，回波模拟过程使用尺寸为1024×1024的的幅度作为回波模拟中的散射系数；考虑到地面工作场景的复杂性，在模拟过程中，每个分辨单元内放置4×4个散射点以服务于工作条件；成像后的模拟图像尺寸为256×256；最后，为了确保Stu网络的噪声输入与无噪声参考标签的一致性，将尺寸为1024×1024的下采样至256×256； 构建步骤3，基于DuRB架构搭建Dep训练网络； Dep训练网络由输入层、6个双重残差块和输出层构成； 输入层由卷积层、批量归一化层和RELU激活函数组成，用于初步提取图像特征； 双重残差块采用了两种不同感受野的卷积操作；第一个卷积使用大尺度卷积核，以捕捉更大范围的信息；第二个卷积使用小尺寸的卷积核，以保留图像中的精细细节；这种配对操作设计确保网络能够同时平衡全局特征提取和局部细节保留； 输出层包含一个卷积层和一个双曲正切激活函数，将去噪结果映射回图像空间； 构建步骤4，设置Dep训练网络的损失函数； 设置训练时的Dep模块损失函数； Dep模块损失函数采用均方误差，则构建的Dep模块损失函数关系为； 表示像素点携带信息损失；所述计算了经过Dep网络的输出与无噪参考标签之间的均方误差； 表示像素点结构信息损失；所述量化了经过Stu网络后的输出和无噪声参考标签经过Stu网络后的输出之间的均方误差，数学公式为； 是和的线性组合系数；在本发明中，取值为0.5； 至此Dep模块训练完成； 在Dep训练网络中依据损失函数对和进行模型训练后，得到训练好的Dep模块。

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”。