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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于显著性迁移的雷达目标SAR图像联合检测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：CN115205680B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202210827227.8，技术领域涉及：G06V20/10；该发明授权基于显著性迁移的雷达目标SAR图像联合检测识别方法是由杨威;李玮杰;龚婷;张双辉;张文鹏;杨晨设计研发完成，并于2022-07-14向国家知识产权局提交的专利申请。

本基于显著性迁移的雷达目标SAR图像联合检测识别方法在说明书摘要公布了：本申请涉及一种基于显著性迁移的雷达目标SAR图像联合检测识别方法。所述方法包括：对雷达目标二维图像进行预处理，得到SAR灰度图像；将SAR灰度图像划分为训练集和测试集，对训练集进行随机数据增强和归一化处理，得到归一化后的训练集；构建深度学习模型；深度学习模型包括双层卷积、胶囊网络、显著性检测和特征层掩码；利用归一化后的训练集对深度学习模型进行训练，得到训练好的深度学习模型；根据训练好的深度学习模型对测试集进行识别，得到识别结果。采用本方法能够提高雷达目标图像检测准确率。

本发明授权基于显著性迁移的雷达目标SAR图像联合检测识别方法在权利要求书中公布了：1.一种基于显著性迁移的雷达目标SAR图像联合检测识别方法，其特征在于，所述方法包括： 获取待识别的雷达目标二维图像； 对所述雷达目标二维图像进行预处理，得到SAR灰度图像； 将所述SAR灰度图像划分为训练集和测试集，对所述训练集进行随机数据增强和归一化处理，得到归一化后的训练集； 构建深度学习模型；所述深度学习模型包括双层卷积、胶囊网络、显著性检测和特征层掩码；所述深度学习模型为U型结构； 利用所述归一化后的训练集对所述深度学习模型进行训练，得到训练好的深度学习模型； 根据所述训练好的深度学习模型对所述测试集进行识别，得到识别结果； 利用所述归一化后的训练集对所述深度学习模型进行训练，得到训练好的深度学习模型，包括： 从所述归一化后的训练集中获取多个不同的训练集样本； 利用所述双层卷积对所述不同训练集样本进行目标信息提取，得到多尺度目标特征； 根据所述深度学习模型的U型结构对多尺度目标特征进行特征聚合，得到增强多尺度目标特征； 利用显著性图作为所述显著性检测的伪标签从光学预训练模型中迁移目标重要性信息，得到目标重点区域； 根据特征层掩码对所述增强多尺度目标特征进行目标和背景分离，得到目标特征； 将所述目标特征输入所述胶囊网络进行特征转换，得到目标空间特征； 利用所述目标重点区域、目标空间特征和预先设置的损失函数对所述深度学习模型进行训练，得到训练好的深度学习模型。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。