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：广东海洋大学;浙江工业大学工程设计集团有限公司

摘要：本发明公开了一种SAR图像去噪优化方法、系统和存储介质，通过构建基于先验驱动和结构性损失函数的deepCNN模型PDSNet，该模型利用学习遥感图像的隐式先验知识和添加结构性损失函数，可以更准确地识别出图像中的关键信息，从而实现精准去除噪声的同时保留更多的图像纹理和细节信息。基于该PDSNet网络的SAR图像去噪优化方法在真实图像上比现有的方法具有更强的噪声抑制能力，同时也能很好地保存原始噪声图像的边缘信息，有助于将合成孔径雷达图像应用于检测、分类等相关工作。

主权项：1.一种SAR图像去噪优化方法，其特征在于，包括如下步骤：S1，选取传感图像数据作为训练数据，对训练数据进行灰度处理，然后添加乘性噪声作为网络的训练数据集；S2，通过将DPDNN和U-Net的神经网络结构结合，构建基于U-Net的基于先验驱动的前馈残差去噪网络PDSNet，其中去噪网络PDSNet包括特征编码器和特征解码器；所述特征编码器由多个卷积层和一非线性ReLU函数组成，使用注意力机制模块替代原U-Net网络的池化层，所述注意力机制模块包括通道关注模块和空间关注模块，其中通道关注模块由最大池化层、平均池化层和多个卷积层组成，空间注意模块由卷积层和激活函数组成；所述特征解码器包含被分组为四个特征解码器的多个卷积层、用于将编码阶段生成的相同空间分辨率的特征图和解码阶段生成的上采样特征图融合在一起得到新的上采样特征图的上采样层；S3，对去噪网络PDSNet的损失函数进行改进，给定具有N对图像的训练集，改进后的结构性损失函数表示如下： 其中N表示无噪声图像对的数量，Θ表示网络参数，xnoise表示网络输入的噪声图像，yground表示groundtruth，Rxnoise；Θ表示通过PDSNet网络得到的重建图像，C·表示图像的结构性信息；使用训练数据集对引入改进后的结构性损失函数的去噪网络PDSNet进行联合训练；S4，将待去噪的SAR图像输入到训练好的去噪网络PDSNet中，得到去噪后的SAR图像。

全文数据：

权利要求：

百度查询： 广东海洋大学 浙江工业大学工程设计集团有限公司 一种SAR图像去噪优化方法、系统和存储介质