申请/专利权人:西安空间无线电技术研究所
申请日:2023-09-26
公开(公告)日:2024-04-26
公开(公告)号:CN117933052A
主分类号:G06F30/27
分类号:G06F30/27;G06V10/774;G06F111/04
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:一种基于深度学习的分布式综合孔径图像反演方法,首先进行天线阵列的非规则排布,并获取自然场景初始图像,根据非规则排布的天线阵列获取对应的最优相关矩阵后,以最优相关矩阵为数据输入,构建深度学习网络利用自然场景初始图像为测试标签进行网络训练,对训练后网络进行验证直至获取有效性最佳的网络及对应参数,训练完成的最优网络能够在频率稀疏的情况下,学习非均匀采样点与观测场景的映射关系,并抑制旁瓣,从而获取更高质量的反演图像。
主权项:1.一种基于深度学习的分布式综合孔径图像反演方法,其特征在于包括:进行天线阵列的非规则排布;获取自然场景初始图像;基于非规则排布的天线阵列获取对应的最优相关矩阵;以最优相关矩阵为数据输入,以自然场景初始图像为测试标签,构建深度学习网络并进行训练;对训练后网络进行测试,将测试结果与测试标签进行比对验证并调整深度学习网络参数直至有效性最佳;利用有效性最佳的训练后网络,以自然场景初始图像的点源场景辐射信号作为输入,获取反演图像。
全文数据:
权利要求:
百度查询: 西安空间无线电技术研究所 一种基于深度学习的分布式综合孔径图像反演方法
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。