買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西安電子科技大學(xué)申請(qǐng)的專利基于swin transformer和小波變換的SAR圖像去噪方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN117036191B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202310945884.7，技術(shù)領(lǐng)域涉及：G06T5/70；該發(fā)明授權(quán)基于swin transformer和小波變換的SAR圖像去噪方法是由王笛;張國(guó)盛;田玉敏;王泉;萬(wàn)波;劉錦輝;羅楠;趙輝設(shè)計(jì)研發(fā)完成，并于2023-07-31向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于swin transformer和小波變換的SAR圖像去噪方法在說(shuō)明書摘要公布了：本發(fā)明公開(kāi)了一種基于swintransformer和小波變換的SAR圖像去噪方法，其實(shí)現(xiàn)步驟為：對(duì)生成的含噪樣本集中的每個(gè)樣本進(jìn)行尺度為1的小波分解，得到每個(gè)樣本的4個(gè)子帶圖片，訓(xùn)練構(gòu)建的SwinTransformer網(wǎng)絡(luò)，對(duì)SAR圖像進(jìn)行去噪。本發(fā)明利用小波變換后的樣本訓(xùn)練構(gòu)建的swintransformer的SAR圖像去噪網(wǎng)絡(luò)，利用小波變換的多尺度分析特性在不同尺度上對(duì)信號(hào)進(jìn)行局部分析，使得濾除高頻噪聲成分的同時(shí)保留了原始圖像的邊緣紋理信息；利用swintransformer的局部窗口連接策略，增強(qiáng)了圖像信息特征的同時(shí)降低了模型的參數(shù)量，減少了生成降噪后圖像的時(shí)間。

本發(fā)明授權(quán)基于swin transformer和小波變換的SAR圖像去噪方法在權(quán)利要求書中公布了：1.一種基于swintransformer和小波變換的SAR圖像去噪方法，其特征在于，對(duì)樣本小波分解，構(gòu)建SwinTransformer網(wǎng)絡(luò)，去噪的同時(shí)對(duì)圖像邊緣特征信息進(jìn)行有效捕獲；該去噪方法的步驟包括如下： 步驟1，對(duì)生成的含噪樣本集中的每個(gè)樣本進(jìn)行尺度為1的小波分解，得到該樣本的４個(gè)子帶圖片； 步驟2，構(gòu)建SwinTransformer網(wǎng)絡(luò)： 搭建SwinTransformer網(wǎng)絡(luò)，其中，第1卷積層、深度特征提取模塊、第1加法器、第2卷積層、激活函數(shù)層、第2加法器依次串聯(lián)組成主干支路，主干支路中第1卷積層的輸入端與第2加法器相連，第1卷積層的輸出端與第1加法器相連；將第1、第2卷積層的卷積核大小均設(shè)置為，卷積步長(zhǎng)均設(shè)置為1，填充數(shù)均設(shè)置為1，激活函數(shù)層均采用斜率為0.2的LeakyReLU函數(shù)實(shí)現(xiàn)； 所述的深度特征提取模塊由第1RSTB塊、第2RSTB塊、第3RSTB塊、第4RSTB塊、第5RSTB塊、第6RSTB塊、卷積層、激活函數(shù)層依次串聯(lián)組成；第1至第6RSTB塊的結(jié)構(gòu)相同，均由第1STL層、第2STL層、第3STL層、第4STL層、第5STL層、第6STL層、卷積層、激活函數(shù)層依次串聯(lián)組成；將卷積層的卷積核大小設(shè)置為，卷積步長(zhǎng)設(shè)置為1，填充數(shù)設(shè)置為1，激活函數(shù)層采用斜率為0.2的LeakyReLU函數(shù)實(shí)現(xiàn)； 所述深度特征提取模塊中每個(gè)RSTB塊的第1STL層、第3STL層、第5STL層均為W-MSA結(jié)構(gòu)；每個(gè)W-MSA結(jié)構(gòu)均由第1歸一化層、窗口多頭自注意力層、第1加法器、第2歸一化層、多層感知器、第2加法器依次串聯(lián)組成；將窗口多頭自注意力層的窗口大小設(shè)置為8，注意力頭的數(shù)量設(shè)置為6； 所述深度特征提取模塊中每個(gè)RSTB塊的第2STL層、第4STL層、第6STL層均為SW-MSA結(jié)構(gòu)；每個(gè)SW-MSA由第一歸一化層、偏移窗口多頭自注意力層、第1加法器、第2歸一化層、多層感知器、第2加法器依次串聯(lián)組成；將偏移窗口多頭自注意力層的窗口大小設(shè)置為8，注意力頭的數(shù)量設(shè)置為6； 步驟3，訓(xùn)練SwinTransformer網(wǎng)絡(luò)； 步驟4，對(duì)SAR圖像進(jìn)行去噪： 采用與步驟1相同的方法，對(duì)待去噪的SAR圖像小波分解后，輸入到訓(xùn)練好的SwinTransformer網(wǎng)絡(luò)中，對(duì)網(wǎng)絡(luò)輸出的4個(gè)降噪圖像進(jìn)行小波逆變換后合得到去噪后的圖像。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人西安電子科技大學(xué)，其通訊地址為：710071 陜西省西安市雁塔區(qū)太白南路2號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。