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！

龙图腾网获悉电子科技大学申请的专利一种差异化聚合SAR图像质量综合评价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：CN120912524B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202510981491.0，技术领域涉及：G06T7/00；该发明授权一种差异化聚合SAR图像质量综合评价方法是由吴光颉;代雨航;胥小我;曾天娇;张晓玲设计研发完成，并于2025-07-16向国家知识产权局提交的专利申请。

本一种差异化聚合SAR图像质量综合评价方法在说明书摘要公布了：本发明公开了一种差异化聚合SAR图像质量综合评价方法，用来提升现有综合评价方法的合理性和准确性。它是基于多个子图和多维指标双重差异化聚合的思想，将图像质量综合评估优化为指标差异化聚合、子图差异化聚合两个核心环节，采用层次分析与信息熵相结合的指标权重计算方法、以及基于信息熵的子图权重计算方法，分别将指标间子图间的差异性转化为各自的权重系数，将图像栅格化分块为若干子图，选用多维评价指标建立子图像质量评价矩阵，得到子图评价结果，并基于子图信息熵计算各子图权重，最后聚合子图评价结果得到整图的最终评价。本发明相较传统方法，大幅度提升图像综合评价的合理性和准确性。

本发明授权一种差异化聚合SAR图像质量综合评价方法在权利要求书中公布了：1.一种差异化聚合SAR图像质量综合评价方法，其特征是它包括以下步骤： 步骤1、SAR图像栅格化分块 将一张标准SAR图像作为输入，设置纵向栅格数量r和横向栅格数量c，采用传统栅格化分块处理方法，得到r*c张SAR子图像，第i行、第j列子图像标记为Pi,j，其中1≤i≤r,1≤j≤c；对于得到的r*c张SAR子图像，从左到右、从上到下重新编号，其中，第l张子图标记为Picl1≤l≤r*c； 步骤2、计算SAR子图像质量评价各指标 对于步骤1中得到的r*c张SAR子图像，采用空间分辨率、峰值旁瓣比和积分旁瓣比等常用评价指标作为图像质量评价指标； 步骤2.1、SAR图像参数初始化 对于步骤1中得到的r*c张SAR子图像，初始化第l张子图像Picl1≤l≤r*c中的点目标数Nl、像素分辨率像素点灰度值hlτ，以上SAR图像参数在标准SAR图像明确以后均为已知条件； 步骤2.2、计算点目标主瓣像素数 对于步骤1中得到的第l张子图像Picl1≤l≤r*c，采用传统点目标主瓣像素数计算方法，计算得到第nl个点目标的主瓣像素数 步骤2.3、计算空间分辨率 采用传统空间分辨率计算方法，计算得到子图像Picl空间分辨率 其中，Nl是步骤2.1中子图像Picl提取的点目标数目；是步骤2.2中得到的第nl个点目标的主瓣像素数是步骤2.1中子图像Picl的像素分辨率； 步骤2.4、计算主瓣峰值强度 对于步骤1中得到的第l张子图像Picl1≤l≤r*c，采用传统主瓣峰值计算方法，计算得到该子图像的主瓣像素数Im_l； 步骤2.5、计算最高旁瓣峰值强度 对于步骤1中得到的第l张子图像Picl1≤l≤r*c，采用传统最高旁瓣峰值强度计算方法，计算得到该子图像的最高旁瓣峰值强度Is_l； 步骤2.6、计算峰值旁瓣比 采用传统峰值旁瓣比计算方法，计算得到子图像Picl峰值旁瓣比 其中，Im_l是步骤2.4中得到的子图像Picl主瓣峰值强度，Is_l是步骤2.5中得到的子图像Picl最高旁瓣峰值强度； 步骤2.7、计算点目标主瓣区间 对于步骤1中得到的第l张子图像Picl1≤l≤r*c，采用点目标主瓣区间计算方法，计算得到该子图的点目标主瓣区间[al,bl]； 步骤2.8、计算积分旁瓣比 采用传统积分旁瓣比计算方法，计算得到子图像Picl积分旁瓣比 其中，hlτ是步骤2.1中的子图像Picl中像素点τ对应的灰度值；[al,bl]是步骤2.7中得到的子图像Picl主瓣区间； 步骤3、构建SAR图像质量评价矩阵 采用传统图像质量评价矩阵构建方法，将步骤2中计算得到的r*c张SAR子图像的空间分辨率、峰值旁瓣比、积分旁瓣比值作为评价指标填入矩阵，得到SAR图像质量评价矩阵 其中，q1,l、q2,l、q3,l分别表示第l张SAR子图像的空间分辨率值、峰值旁瓣比值、积分旁瓣比值； 步骤4、指标值规范化处理 对步骤3得到的SAR图像质量评价矩阵，采用传统极差变换方法，进行规范化处理，以消除不同指标量纲和范围的影响，得到的规范化后评价矩阵 其中 步骤5、基于传统层次分析方法计算指标权重 采用传统层次分析方法，计算图像质量评价指标权重； 步骤5.1、建立评价指标重要度判决矩阵 采用传统重要度判决矩阵构建方法，对步骤2中得到的空间分辨率、峰值旁瓣比、积分旁瓣比这3个评价指标进行两两量化比较，得到重要度判决矩阵 步骤5.2、权重计算 对于步骤5.1中得到的重要度判决矩阵ASAR，采用最大特征根及传统最大特征根向量计算方法，得到最大特征根其对应的特征向量则为权重向量其中分别为空间分辨率、峰值旁瓣比、积分旁瓣比对应的权重值； 步骤5.3、一致性检验 对于步骤5.1中构建的重要度判决矩阵，采用传统一致性检验方法，计算判决矩阵的一致性比例CR，检验判决矩阵的一致性； 若CR＜0.1，则认为判决矩阵的一致性可接受，步骤5.2中得到的权重向量wAHP有效；若CR≥0.1，则认为步骤5.1中构建的判决矩阵的一致性不可接受，需要返回步骤5.1调整矩阵中重要度取值，重新按照步骤5.2进行权重计算，得到最大特征根和权重向量； 采用传统一致检验方法重新检验判决矩阵的一致性； 步骤6、基于信息熵法计算指标权重 采用传统基于信息熵确定评价指标权重方法，分步计算图像质量评价指标权重； 步骤6.1、指标值归一化处理 对步骤4中规范化后的评价矩阵采用传统归一化处理方法，得到归一化后的评价矩阵 其中 步骤6.2、计算信息熵 基于步骤6.1中得到的归一化后的评价矩阵QSAR，采用传统信息熵计算方法，计算得到空间分辨率、峰值旁瓣比、积分旁瓣比分别对应的信息熵为 步骤6.3、权重计算 基于步骤6.2中得到的空间分辨率、峰值旁瓣比、积分旁瓣比的信息熵，采用传统信息熵权重计算方法，分别计算得到空间分辨率、峰值旁瓣比、积分旁瓣比基于信息熵的权重值为 进一步组合得到基于信息熵的权重向量 步骤7、主客观权重融合 基于步骤5.2中得到的基于层次分析法得到的权重向量wAHP作为主观权重向量，基于步骤6.3中得到的基于信息熵得到的权重向量wEntropy作为客观权重向量，采用传统综合权重向量计算方法，计算得到综合权重向量w＝αwAHP+1-αwEntropy，其中α为权重融合系数； 步骤8、SAR图像质量综合评价 聚合各指标和各子图评价结果，完成传统SAR图像质量综合评价； 步骤8.1、SAR子图质量综合评价 基于步骤7中得到的综合权重向量w，得到步骤1中各子图所有指标的综合评价向量T，计算公式如下： 其中， 步骤8.2、SAR子图信息熵及权重计算 基于步骤1中得到的各子图像，采用传统图像信息熵计算方法，计算得到各子图像的信息熵；其中，第l张子图像的信息熵为Hl； 基于步骤1中得到的各子图像，采用传统基于图像信息熵的权重计算方法，得到各子图像的权重值；其中，第l张子图像的权重值为 组合得到所有子图像的权重向量为 步骤8.3、SAR全图质量最终评价 基于步骤8.2中得到的所有子图像的权重向量wSubPic，对于各子图图像质量评价结果向量T，得到全图图像质量最终评价结果TTotal，计算公式为 其中，1≤l≤r*c； 至此，整个方法结束。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。

以上内容由龙图腾AI智能生成。