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！

龙图腾网获悉安徽大学申请的专利一种基于复域特征图网络的SAR图像目标分类系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119888334B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411955959.0，技术领域涉及：G06V10/764；该发明授权一种基于复域特征图网络的SAR图像目标分类系统是由张艳;汪玉凤;石宝;吴烨峰;汪思彤;王兴宇设计研发完成，并于2024-12-28向国家知识产权局提交的专利申请。

本一种基于复域特征图网络的SAR图像目标分类系统在说明书摘要公布了：本发明公开了一种基于复域特征图网络的SAR图像目标分类系统，包括以下步骤：按照划分比例将SAR数据集分为训练集、验证集、测试集，对训练集做数据增广；将SAR图像分为支持集和查询集；将支持集和查询集分别通过复域变换特征提取模块得到SAR的复域特征；利用系统中的图网络更新得到与查询集图像最为相似的支持集图像；将最终的分类正确率结果在显示窗口中打印出来。本发明涉及图像处理领域，该种基于复域特征图网络的SAR图像目标分类系统，解决了现有大多聚焦于空间域或时频域的特征提取和分析，而忽略了复域在SAR图像分类中的潜在优势，提高了对SAR图像分类正确率。

本发明授权一种基于复域特征图网络的SAR图像目标分类系统在权利要求书中公布了：1.一种基于复域特征图网络的SAR图像目标分类系统，其特征在于：包括以下步骤： S1：按照划分比例将SAR数据集分为训练集、验证集、测试集，对训练集做数据增广； S2：将SAR图像分为支持集和查询集； S3：将支持集和查询集分别通过复域变换特征提取模块得到SAR的复域特征； S4：利用系统中的图网络训练网络模型得到与查询集图像最为相似的支持集图像； S5：将最终的分类正确率结果在显示窗口中打印出来； 其中，步骤S3中所述的复域变换特征提取模块包括以下步骤： 第一步，复域变换：将支持集和查询集图像分别通过希尔伯特变换，希尔伯特变换的目标是为实函数找到伴随函数，使得复函数，可以在实数轴上解析，并扩展到复平面的上半部分，通过对信号进行卷积； 第二步，特征提取：将复域图像通过ResNet12骨干网络提取复域特征，其分为4个阶段，其中第1个阶段为对输入的处理，输入为，其先后经过卷积层、BN层、LeakyReLU激活函数、最大值池化层得到了，最后一个阶段的输出特征即为骨干网络的输出特征，其中B为每个批次大小； 步骤S4中所述的图网络训练网络模型的训练具体步骤如下： （1）、复域节点初始化和更新模块：通过骨干网络提取复域节点特征，由4个支持集样本和1个查询集样本共同构成5个节点，进行节点的初始化，令是的节点特征，，当支持集真实标签与查询集预测标签一致时为1，否则为0，；给定第层的节点和边，通过领域聚合的过程更新节点特征，第层节点的特征是通过聚合其他节点的特征共同更新，聚合的方式与节点的边特征成比例，然后对该聚合特征进行转换，以更新第层节点的特征，第层的节点特征更新第层的节点特征，第层的边特征被用来量化相应邻近节点的贡献程度； （2）、构造混合边初始化和更新模块：节点通过相似度量边有效捕捉彼此之间的相似性信息，从而生成初步的边特征，将相似性度量边和相对性度量边拼接构成节点的混合边，由此构成图的混合边，将相对度量边记为，表示节点和节点之间第1个维度边特征，相似性度量边记为，不相似性度量边记为，对相对度量边进行初始化，并与节点间的相似结构和不相似结构相结合，对图的边进行初始化，在节点特征更新之后，会得到新的节点特征，从而实现混合边特征的更新。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽大学，其通讯地址为：230601 安徽省合肥市九龙路111号(安徽大学磬苑校区)；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。