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！

龙图腾网获悉济南大学申请的专利一种基于深度多层字典对学习的SAR图像分类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：CN115376020B 。

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：202211083121.8，技术领域涉及：G06V20/13；该发明授权一种基于深度多层字典对学习的SAR图像分类方法是由高希占;魏康;牛四杰;董吉文设计研发完成，并于2022-09-06向国家知识产权局提交的专利申请。

本一种基于深度多层字典对学习的SAR图像分类方法在说明书摘要公布了：本发明涉及SAR遥感图像识别技术领域，具体提供一种基于深度多层字典对学习的SAR图像分类方法。包括所述方法的实现包括步骤如下：步骤1，获取SAR图像数据；步骤2，对获得的SAR图像数据集进行划分和预处理操作；步骤3，将预处理后的图像数据输入到基础网络模块，获得底层通用特征；步骤4，将获得的通用特征输入到对应类别的类特定网络模块，获得每类数据特有的特征；步骤5，将获得的每类数据的特征输入到对应的字典学习网络模块，获得编解码后的重建特征；步骤6，通过重建损失函数、判别损失函数和正则损失函数，联合优化所提出的网络。

本发明授权一种基于深度多层字典对学习的SAR图像分类方法在权利要求书中公布了：1.一种基于深度多层字典对学习的SAR图像分类方法，其特征在于，包括所述方法的实现包括步骤如下： 步骤1，获取SAR图像数据； 步骤2，对步骤1获得的SAR图像数据集进行划分和预处理操作； 步骤3，将预处理后的图像数据输入到基础网络模块，获得底层通用特征； 步骤4，将步骤3获得的通用特征输入到对应类别的类特定网络模块，获得每类数据特有的特征； 步骤5，将步骤4获得的每类数据的特征输入到对应的字典学习网络模块，获得编解码后的重建特征； 步骤6，通过重建损失函数、判别损失函数和正则损失函数，联合优化所提出的网络； 步骤7，将测试样本带入到每类训练得到的网络中，基于最小重建误差距离进行分类； 步骤8，得出图像识别结果； 所述步骤2包括以下步骤： 对SAR图像数据集进行划分和预处理操作：X＝[X1,…,XK]，其中K是图像数据集的类别数，每个图像大小处理为224×224，图像数据集具体分为：训练集、验证集、测试集； 所述步骤3包括以下步骤： a、将数据集X＝[X1,…,XK]输入到基础网络模块，选择基于ImageNet预训练的ResNet50作为骨干网络，将该网络在Conv4_x处截断并在最上层加入四个Non-Local模块和一个AdaptiveAvgPool层，最终的基础网络记作：ResNet50-NonLocal； b、在所述训练集上对上述基础网络模块ResNet50-NonLocal进行微调训练，生成基于数据集的预训练模型； 所述步骤4包括以下步骤： c、将数据集重新排序，同时对非Xk本类图像样本进行重新排序得到Xk的互补矩阵且 d、将训练集中的样本输入到步骤32获得的预训练模型中，在AdaptiveAvgPool层后截断，进而得到每类样本的特征Fk,k＝1,2,…,K，最后，构造Fk的互补矩阵 e、将步骤d获得的通用特征Fk和输入到对应类别的类特定网络模块，所述类特定网络为单个FC层或多个FC层，获得每类数据特有的特征，并分别记作Zk和所述为第k类对应的互补矩阵。

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济南大学，其通讯地址为：250000 山东省济南市市中区南辛庄西路336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”。