龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：北京理工大学
摘要：本发明提供了一种基于生成对抗网络的SAR图像超分辨率方法，本发明基于构建两个基于深度学习的模型，分别为可学习的退化模型和超分辨率重建SR模型，引入CycleGAN的架构中，共同训练。通过CycleGAN的对抗损失、真实LR‑SAR图像和合成LR‑SAR图像的MAE像素级损失，以及真实HR图像和生成的SR图像特征图之间的感知损失，引导生成更高质量的SR‑SAR图像。相对于传统的SAR超分辨率方法，本方案采用真实的成对数据集，通过训练模型以学习真实SAR图像HR‑LR域之间的内在关系，从而生成质量更高的超分辨率重建的图像。
主权项：1.一种基于生成对抗网络的SAR图像超分辨率方法，其特征在于，包括：S1、基于cycleGAN框架构建对抗训练的SAR图像退化模型和SR模型，以及用于判别SAR图像相似度和对抗损失的第一判别器和第二判别器；S2、创建真实LR-SAR图像和真实HR-SAR图像的成对数据集，将所述数据集中真实HR-SAR图像输入至所述SAR图像退化模型，输出合成LR-SAR图像；S3、将所述合成LR-SAR图像与数据集中成对的真实LR-SAR图像一同输入到第一判别器，计算合成LR-SAR图像和真实LR-SAR图像的像素级平均绝对误差，记为L1损失；S4、将合成LR-SAR图像输入SR模型，输出重建SR-SAR图像，并将重建SR-SAR图像和真实HR-SAR图像一同输入至第二判别器，计算重建SR-SAR图像和真实HR-SAR图像特征图之间的距离，记为感知损失LPercep；S5、将所述L1损失、感知损失LPerep、所述第一判别器的第一对抗损失LGAN1和第二判别器的第二对抗损失LGAN2进行权重相加，得到最终的总损失函数，并将所述总损失函数代入所述SAR图像退化模型和SR模型以生成超分辨率的SAR图像。
全文数据：
权利要求：
百度查询： 北京理工大学 一种基于生成对抗网络的SAR图像超分辨率方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号