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！

龙图腾网获悉西安电子科技大学;西安电子科技大学杭州研究院申请的专利一种基于AU-Net的ISAR增强成像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：CN117890906B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202410065162.7，技术领域涉及：G01S13/90；该发明授权一种基于AU-Net的ISAR增强成像方法是由亢海龙;辛柔;魏效霞;沈拓宇;李军;高大伟;张军;陶海红;廖桂生设计研发完成，并于2024-01-17向国家知识产权局提交的专利申请。

本一种基于AU-Net的ISAR增强成像方法在说明书摘要公布了：一种基于AU‑Net的ISAR增强成像方法，包括以下步骤；步骤1，根据随机散射点模型仿真生成ISAR回波数据，并通过随机加噪、降采样及成像预处理构建ISAR图像训练集；步骤2，通过向U‑Net结构中引入注意力机制构建用于ISAR稀疏高分辨成像的AU‑Net成像网络，并初始化网络模型参数；步骤3，根据构建的AU‑Net成像网络设计ISAR成像损失函数；步骤4，制定ISAR增强成像训练策略进行训练，更新AU‑Net成像网络模型参数以获得最优ISAR高分辨成像模型；步骤5，获取仿真实测目标ISAR回波数据，并进行与步骤1同样的预处理操作构建ISAR图像测试集，通过所得最优ISAR高分辨成像模型即可实现ISAR增强成像。本发明能够在低信噪比及数据缺失条件下提升ISAR成像性能，并进一步提高对于弱散射点的恢复能力。

本发明授权一种基于AU-Net的ISAR增强成像方法在权利要求书中公布了：1.一种基于AU-Net的ISAR增强成像方法，其特征在于，包括以下步骤； 步骤1，根据随机散射点模型仿真生成ISAR回波数据，并通过随机加噪、降采样及成像预处理构建ISAR图像训练集； 步骤2，通过向U-Net结构中引入注意力机制构建用于ISAR稀疏高分辨成像的AU-Net成像网络，并初始化网络模型参数； 步骤3，根据构建的AU-Net成像网络设计ISAR成像损失函数； 步骤4，针对所构建的图像训练集及成像损失函数制定ISAR增强成像训练策略进行训练，并更新AU-Net成像网络模型参数以获得最优ISAR高分辨成像模型； 步骤5，获取仿真实测目标ISAR回波数据，并进行与步骤1同样的预处理操作构建ISAR图像测试集，通过所得最优ISAR高分辨成像模型即可实现ISAR增强成像； 所述步骤2具体包括以下步骤； 2am1中包含四个encoder，用以提取X中的ISAR图像特征； 其中，前三个encoder均包括两个的卷积层和一个的最大池化层，且每个卷积层后有一个激活层； 最后一个encoder与前三个结构基本相同，但不包含最大池化层； 2bm2中包含四个decoder，用以将m1提取到的ISAR图像特征映射到理想散射点模型中； 每个decoder包括1个的上采样层、ISAR注意力特征融合层m4、2个的卷积层和激活层； 在U-Net结构的跳跃连接中引入了注意力机制，形成了ISAR注意力特征融合层，即将每个encoder输出的ISAR特征通过注意力特征融合模块提取ISAR图像的关键特征，并将其与对应decoder的输出ISAR特征进行融合； 2cm3分布于每个encoder与decoder之间，用以提取m1中的注意力特征并与m2所得特征进行融合； 注意力特征融合模块是ISAR通道注意力模块与ISAR空间注意力模块的级联，分别从通道与空间两个维度学习不同阶段ISAR特征图的权重； ISAR通道注意力模块，分别采用最大池化和平均池化将全局ISAR图像信息转化为通道信息，接着通过全连接层分别学习其通道信息并进行信息融合，再经过sigmoid激活操作，生成ISAR通道注意力特征图，将该特征图与ISAR输入特征图F相乘，生成ISAR空间注意力模块需要的特征； ISAR空间注意力模块将ISAR通道注意力模块输出的特征作为本模块的输入特征图，同样分别进行最大池化和平均池化操作，并将结果基于通道维度进行连接，然后通过一个的卷积操作将通道数降维为1，再经过sigmoid生成ISAR空间注意力特征图，最后将该特征图与输入特征图相乘，得到最终的ISAR注意力特征图； 2dm4为卷积层conv，将m2最终得到的ISAR特征图进行通道融合从而输出ISAR高分辨成像结果； 公式4 其中，，用于生成概率向量，为m1模块的ISAR输出特征图，为m2模块的ISAR输入特征图； 2e将以上各个模块进行连接，首先将待重建ISAR图像X输入m1模块，在经过前三个encoder时每次需要同时输入下一个encoder与注意力融合层m3；然后，通过第四个encoder后经过dropout层输入m2模块，经过前三个decoder时分别与每个m3模块所得结果进行融合；最后经过第四个decoder后通过m4模块得到最终高分辨的ISAR图像，由此构建出用于ISAR稀疏高分辨成像的AU-Net成像网络，并随机初始化网络参数W； 输入特征表达为： 公式5 其中，为sigmoid操作，F表示输入特征图，、分别表示通过最大池化和平均池化后的ISAR通道特征图，、为全连接层的权重参数； ISAR注意力特征图表达为： 公式6 其中，表示卷积核为的卷积运算，、分别表示通过最大池化和平均池化后的ISAR空间特征图； 所述步骤3中，成像损失函数定义为： 公式7 其中，为MSE损失函数，为L1正则化项，为L2正则化项；，分别表示重建图像与标签图像，表示批量样本数，W为成像参数，、分别表示一范数和二范数，，，分别为超参数。

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西安电子科技大学;西安电子科技大学杭州研究院，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。