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！

龙图腾网获悉西安电子科技大学申请的专利基于ASC特征与多尺度深度特征融合的SAR目标识别方法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：CN116740561B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202310552287.8，技术领域涉及：G06V20/10；该发明授权基于ASC特征与多尺度深度特征融合的SAR目标识别方法是由王英华;刘靓;刘宏伟设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。

本基于ASC特征与多尺度深度特征融合的SAR目标识别方法在说明书摘要公布了：本发明公开了一种基于ASC特征与多尺度深度特征融合的SAR目标识别方法，包括：获取观测目标的原始SAR复数图像，并提取每一幅SAR复数图像对应的属性散射中心；对属性散射中心进行图像重构，获取不同尺度的全局与局部重构图；构建包括特征提取模块以及特征融合模块的深度神经网络，以对多尺度深度特征图与重构图对应的二值化图像进行不同层面的特征融合；将原始SAR复数图像和重构图对应的二值化图像一起输入到训练好的深度神经网络中处理，并输出目标识别结果。该方法采用精确估计的ASC参数对目标进行多种类型的重构，并将其与不同尺度的深度特征进行融合，为网络提供更多的信息，从而提升了识别性能。

本发明授权基于ASC特征与多尺度深度特征融合的SAR目标识别方法在权利要求书中公布了：1.一种基于ASC特征与多尺度深度特征融合的SAR目标识别方法，其特征在于，包括： 步骤1：获取观测目标的原始SAR复数图像，并基于改进的图像域稀疏表示的ASC参数估计算法提取每一幅SAR复数图像对应的属性散射中心； 11对原始SAR复数图像数据中的目标后向散射回波数据和第q个属性散射中心的回波数据施加同样的线性成像算子，并估计其属性散射中心参数；其中，分别表示离散的f表示雷达的工作频率，表示合成孔径范围，θq表示第q个散射中心的参数集合； 12使用NOMP算法对Sx,y进行属性散射中心参数求解，并在求解过程中增加参数精细矫正过程，以获得若干属性散射中心；其中，Sx,y表示对应的图像域表示，x,y分别表示转换到图像域以后的像素点坐标； a建立初始字典Φ；同时，初始化残差图像Rx,y，并令Rx,y＝Sx,y； b对所述初始字典Φ进行原子选择，从中选出与当前残差图像Rx,y相似度最大的原子θi_chose作为当前第i个ASC参数的粗估计结果； c判断当前所选原子θi_chose的位置参数与上一次选择原子位置参数是否相同，相同时，放弃当前所选的原子θi_chose，并重新挑选去除该θi_chose后的相似度最大的原子作为本轮的粗估计结果；否则，执行步骤d； d将所述粗估计结果作为初始点，对所述第i个ASC参数进行精估计，得到精估计结果并将其加入挑选原子集合ΦGen中； e利用所述挑选原子集合ΦGen中的所有原子来近似表示输入图像Sx,y，并利用最小二乘法求解稀疏系数； f根据所述稀疏系数更新残差图像； g重复步骤b到步骤f的操作，直到当前残差图像Rx,y无法再提取出有效的属性散射中心，退出循环； 步骤2：对所述属性散射中心进行图像全局与局部重构，并通过下采样的方式获得不同尺度的全局和局部重构图； 步骤3：构建包括特征提取模块以及特征融合模块的深度神经网络；其中， 所述特征提取模块用于对所述原始SAR复数图像对应的幅度图像进行多尺度特征提取，得到多尺度深度特征图； 所述特征融合模块用于将提取的多尺度深度特征图与所述重构图对应的二值化图像进行不同层面的特征融合； 步骤4：将所述原始SAR复数图像和所述重构图对应的二值化图像一起输入到训练好的深度神经网络中进行处理，并输出目标识别结果。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号；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”。