基于深度卷积神经网络模型的SAR图像目标形状生成方法[CN201810492792.7] - 浙江理工大学

专利申请

2018-05-22
公布公告

2022-05-31
授权日期

2022-05-31
终止

2032-05-28

基于深度卷积神经网络模型的SAR图像目标形状生成方法

* 专利信息仅供参考，不具有法律效力。有效专利

注册号： CN201810492792.7 申请日期： 2018-05-22 专利主类别： G06T5/50 {{ classMap["G06T5/50"] }}

申请人名称：浙江理工大学

查看申请人名下所有专利

申请人地址：浙江省杭州市江干区下沙2号大街928号

专利分类项目

G06T5/50 : 通过使用多于一幅图像的，例如平均、减少

G06T5/00 : 图像的增强或复原，如从位像到位像地建立一个类似的图形

G06K9/62 : 应用电子设备进行识别的方法或装置

G06V10/764 :

G06N3/04 : 体系结构，例如，互连拓扑

G06N3/08 : 学习方法

专利注册信息

初审公告期号	2018-05-22	初审公告日期	2022-05-31
注册公告期号	2022-05-31	注册公告日期	2022-05-31
专用权期限	2022-05-31 - 2032-05-28	专利类型	发明授权
代理组织机构	浙江千克知识产权代理有限公司查看该机构代理的所有专利

专利介绍

本发明公开了基于深度卷积神经网络模型(DCNN)的合成孔径雷达(SAR)图像目标形状生成方法。本发明目的是为了克服SAR图像中的乘性相干斑噪声和目标强度的非同质性变化等内在性特点，以提高SAR图像目标形状生成的准确性。该方法的首先设计深度卷积神经网络算法，并制定迭代区域合并算法，以获取目标形状初始化机制，然后设计基于稀疏表示的目标形状生成算法，以获取更加精确的目标形状生成结果。本发明有效的解决了SAR图像目标性状的生成问题，提高了SAR图像目标形状生成的准确性。

法律进度