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！

龙图腾网获悉中国石油大学(华东)申请的专利一种合成孔径雷达图像转换网络构建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：CN121458563B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202610003665.0，技术领域涉及：G06T5/60；该发明授权一种合成孔径雷达图像转换网络构建方法是由刘伟锋;周浩然;曾丹;高鹏;刘宝弟;王延江设计研发完成，并于2026-01-05向国家知识产权局提交的专利申请。

本一种合成孔径雷达图像转换网络构建方法在说明书摘要公布了：本发明公开一种合成孔径雷达图像转换网络构建方法，涉及合成孔径雷达图像处理技术领域，用于对合成孔径雷达图像进行图像转换，生成光学图像，包括基于生成对抗网络框架构建合成孔径雷达图像转换网络，网络包括生成器和判别器，生成器由编码器网络和解码器网络级联构成，编码器的输入为合成孔径雷达图像，解码器的输出为光学图像，判别器提取图像的纹理特征，对生成器的输出进行判断。本发明构建的合成孔径雷达图像转换网络，基于SAC、FSM和MCVF模块的协同工作，能够自适应处理SAR数据复杂信息，具有良好的鲁棒性，能够聚合空间信息，提高合成孔径雷达图像转换的质量和感知相似性，显著提高光学图像的输出质量。

本发明授权一种合成孔径雷达图像转换网络构建方法在权利要求书中公布了：1.一种合成孔径雷达图像转换网络构建方法，其特征在于，包括： S1.基于Transformer架构构建编码器网络，编码器网络包含多个编码层，多个编码层依次串联，各编码层由连续Transformer模块和频域-空间域调制模块组成； S2.构建解码器网络，通过反卷积对编码器网络的最终输出特征进行上采样，编码器网络包含多个解码层，解码层与编码层一一对应，在每层的解码层中，通过跳跃连接拼接对应编码层的信息； S3.基于生成对抗网络框架构建合成孔径雷达图像转换网络，包括生成器和判别器，生成器由编码器网络和解码器网络级联构成，用于对合成孔径雷达图像进行转换，生成光学图像，编码器网络的输入为合成孔径雷达图像，解码器网络的输出为光学图像，判别器通过多尺度卷积层提取进入判别器的图像的纹理特征，用于对生成器的输出进行判断； 连续Transformer模块是由多头感知机模块、层归一化模块、认知视觉滤波器模块和窗口注意力模块组成的串联结构，窗口注意力模块包括标准多头注意力和移动窗口多头注意力，认知视觉滤波器模块包括输入比例调整模块和多尺度视觉信息整合模块； 频域-空间域调制模块通过傅里叶学习参数对连续Transformer模块的输出特征进行解耦，将连续Transformer模块的输出特征的频率响应转换成空间域上的权重信息，获取动态权重； 在输入比例调整模块中设置分布适应层，通过设置分布适应层对连续Transformer模块进行改进，增强连续Transformer模块的信息抓取能力，多尺度视觉信息整合模块包含三个卷积滤波器，三个卷积滤波器均采用深度可分离卷积，卷积核的大小分别为3×3、5×5和7×7； 在分布适应层引入两个学习权重，通过两个学习权重调整多尺度视觉信息整合模块的模块输入与跳跃连接输入的输入比例，在多尺度视觉信息整合模块中使用三个不同卷积核大小的深度可分离卷积对模块输入进行处理，基于多尺度视觉信息整合模块的跳跃连接输入得到三个特征图； 计算三个特征图的平均值，在深度可分离卷积增加残差结构，通过残差跳跃连接将多尺度视觉信息整合模块的模块输入与三个特征图的平均值进行融合，获得深度卷积特征； 在多尺度视觉信息整合模块中设置点卷积，并在点卷积中设置残差结构，通过1×1的点卷积对深度卷积特征进行聚合，通过跳跃连接将聚合后的特征与深度卷积特征进行融合，获取多尺度视觉信息整合模块的输出特征。

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石油大学(华东)，其通讯地址为：266580 山东省青岛市黄岛区长江西路66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。