申请/专利权人：西安电子科技大学

申请日：2021-07-08

公开（公告）日：2024-04-19

公开（公告）号：CN113506233B

主分类号：G06T5/50

分类号：G06T5/50;G06T5/60;G06T5/77;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2021.11.02#实质审查的生效;2021.10.15#公开

摘要：本发明公开了一种基于深度学习的SAR图像自聚焦方法，主要解决传统方法处理具有空变误差的SAR图像聚焦效果差和耗时的问题。其实现方案为：1获取多幅粗聚焦SAR图像，将其按照比例随机划分为训练集和测试集；2构建由八个卷积层和四个反卷积层级联组成的SAR自聚焦网络模型；3构造SAR自聚焦神经网络的模型损失函数Loss；4利用训练数据集对SAR图像自聚焦神经网络进行训练，直到损失函数收敛，得到训练好的网络模型；5将测试集中的粗聚焦SAR图像输入到训练好的网络模型中，得到聚焦后的SAR图像。本发明能够精确地估计运动误差导致的二维相位误差，提高了聚焦性能，加快了聚焦速度，可用于SAR图像成像。

主权项：1.一种基于深度学习的SAR自聚焦方法，其特征在于，包括：1获取多幅粗聚焦SAR图像，将其按照4:1的比例随机划分为训练集和测试集；2构建由八个卷积层和四个反卷积层依次级联组成的SAR自聚焦卷积神经网络，并将图像对比度损失函数loss1与相位一致损失函数loss2之和作为该神经网络的损失函数Loss，其中八个卷积层和前三个反卷积层后的激活函数同是ReLU函数，第四个反卷积层后的激活函数是线性函数；3将单张粗聚焦SAR图像输入到构建的SAR自聚焦神经网络中，得到图像的二维相位误差预测值e-jθ，用图像的相位误差预测值对其粗聚焦图像的相位进行补偿，并计算补偿后的单张SAR图像通过该网络的损失函数值L；4利用图像训练集对SAR自聚焦神经网络进行训练：4a设学习率参数为0.0001；4b从训练集随机抽取一张粗聚焦SAR图像，并将其送入2构建的SAR自聚焦神经网络中得到损失函数值L，利用L通过后向传播算法完成对该网络的权值更新；4c重复步骤4b，直至SAR自聚焦神经网络的损失函数Loss收敛，得到训练好的SAR图像精细配准的神经网络模型；5将测试集中的粗聚焦SAR图像输入到训练好的网络模型中，得到聚焦后的SAR图像。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于深度学习的SAR自聚焦方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD