買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉電子科技大學申請的專利一種目標和干擾分解近場SAR圖像域干擾抑制方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115575898B 。

龍圖騰網通過國家知識產權局官網在2025-09-09發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211080971.2，技術領域涉及：G01S7/02；該發明授權一種目標和干擾分解近場SAR圖像域干擾抑制方法是由張曉玲;詹旭;張文思;師君;韋順軍;曾天嬌設計研發完成，并于2022-09-05向國家知識產權局提交的專利申請。

本一種目標和干擾分解近場SAR圖像域干擾抑制方法在說明書摘要公布了：本發明公開了一種目標和干擾分解近場SAR圖像域干擾抑制方法。它是通過在圖像域對干擾進行抑制，具體通過迭代求解的方式對含干擾的近場SAR原圖像進行目標和干擾分解，獲得不含干擾的目標圖像。在每次迭代中，首先更新目標圖像；然后更新干擾圖像；根據本次迭代更新的目標圖像與上次迭代更新的目標圖像兩者的相對變化量判斷是否停止迭代，輸出最新更新的目標圖像為近場SAR干擾抑制結果。本發明方法能有效抑制干擾，提取目標圖像；與傳統背景對消干擾抑制方法相比，本發明方法具有無需系統兩次連續成像、效率顯著提升；干擾抑制后目標圖像質量高等特點；同時適用于近場SAR二維和三維圖像的干擾抑制。

本發明授權一種目標和干擾分解近場SAR圖像域干擾抑制方法在權利要求書中公布了：1.一種目標和干擾分解近場SAR圖像域干擾抑制方法，其特征是它包括以下步驟： 步驟1.初始化相關參數 圖像方位向像素數，記為Na；圖像距離向像素數，記為Nr，圖像高度向像素數，記為Nh，對于二維圖像來說，其Nh＝1；采用傳統后向投影算法處理得到的含干擾的近場SAR原圖像，記為初始化目標圖像分量，記為S0；初始化干擾圖像分量，記為J0；拉格朗日乘子初始化矩陣，記為Y0；干擾圖像分解權重系數，記為ξ；迭代收斂閾值，記為ε； 步驟2.高度向重排列 將步驟1初始化得到的含干擾的近場SAR原圖像中的每一高度向切片采用傳統矩陣向量化算子方法重新排列成一列向量，記為di，向量的維度為Na×Nr×1，i＝1，2，…，Nh；然后將每一高度向切片對應的列向量，從左至右排列，形成重排列的含干擾的近場SAR原圖像 步驟3.構建目標和干擾圖像分解方程 根據步驟2中初始化得到的重排列的含干擾的近場SAR原圖像干擾圖像分解權重系數ξ，構建目標和干擾圖像分解方程； 其中argminJ,s,Y表示使取最小值的J、S和Y，J、S和Y分別為干擾圖像、目標圖像和拉格朗日乘子矩陣，I為步驟2得到的重排列的含干擾的近場SAR原圖像；‖·‖1表示矩陣L1范數，‖·‖*表示矩陣核范數，表示矩陣斐波拉契范數的平方，Tr·表示矩陣求跡，·H表示矩陣轉置共軛； 步驟4.目標和干擾圖像迭代分解 對于步驟1中初始化得到的干擾圖像分解權重系數ξ和迭代收斂閾值ε，通過迭代方式求解步驟3中構建的目標和干擾圖像分解方程，實現目標和干擾圖像迭代分解，在第k次迭代中執行以下步驟： 步驟4.1.建立基于目標圖像L1范數正則化去噪方程： O＝I-Jk-1+Yk-1 其中argminS表示使取最小值的S，S為目標圖像，O為含噪聲的目標圖像；I為步驟2得到的重排列的含干擾的近場SAR原圖像，Jk-1和Yk-1分別為第k-1次迭代中得到的干擾圖像和拉格朗日乘子矩陣； 步驟4.2目標圖像分解： 根據步驟4.1中建立的基于目標圖像L1范數正則化去噪方程，采用如下公式實現目標圖像分解； O＝I-Jk-1+Yk-1 其中sign·為按元素取符號算子，thr·為按元素硬閾值算子，⊙表示矩陣哈達瑪達積；表示維度為Na×Nr×Nh的元素全為1的矩陣，O為含噪聲的目標圖像，|·|表示矩陣1范數；I為步驟2得到的重排列的含干擾的近場SAR原圖像，Jk-1和Yk-1分別為第k-1次迭代中得到的干擾圖像和拉格朗日乘子矩陣；Sk為第k次迭代中更新所求的目標圖像； 步驟4.3.建立基于干擾圖像核范數正則化去噪方程： P＝I-Sk+Yk-1 其中argminJ表示使取最小值的J，J為干擾圖像，P為含噪聲的干擾圖像；I為步驟2得到的重排列的含干擾的近場SAR原圖像，Yk-1為第k-1次迭代中得到的拉格朗日乘子矩陣,Sk為步驟4.2中得到的更新后目標圖像，ξ為干擾圖像分解權重系數； 步驟4.4干擾圖像分解： 根據步驟4.3中建立的基于干擾圖像核范數正則化去噪方程，采用如下公式實現干擾圖像分解； Jk＝U·M·VH ∑＝diagσP P＝I-Sk+Yk-1 其中，U和VH分別是對P按矩陣奇異值分解得到的左奇異矩陣和右奇異矩陣，P為含噪聲的干擾圖像；∑為P的奇異值矩陣，σP為P的奇異值向量，ξ為干擾圖像分解權重系數，表示維度為Na×Nr×Nh的元素全為1的矩陣，sign·為按元素取符號算子，diag·為向量矩陣化對角算子，M為P去噪后的奇異值矩陣；I為步驟2得到的重排列的含干擾的近場SAR原圖像，Yk-1為第k-1次迭代中得到的拉格朗日乘子矩陣,Sk為步驟4.2中得到的更新后目標圖像；Jk為第k次迭代中更新所求的干擾圖像； 步驟4.5.采用如下公式實現拉格朗日乘子矩陣更新： Yk＝Yk-1+I-Jk-Sk Yk為第k次迭代中更新所求的拉格朗日乘子矩陣；I為步驟2得到的重排列的含干擾的近場SAR原圖像，Sk為步驟4.2中得到的更新后目標圖像，Jk為步驟4.4中得到的更新后干擾圖像，Yk-1為第k-1次迭代中更新的拉格朗日乘子矩陣； 步驟4.6.迭代停止判斷： 采用公式dk＝‖Sk-Sk-1Sk-1‖F，計算目標圖像相對變化率dk，其中Sk和Sk-1分為第k次和第k-1次迭代中更新的目標圖像，‖·‖F表示矩陣斐波拉契范數； 若dk≥ε則重復執行步驟，繼續下一次迭代；否則停止迭代，此時Sk為最終近場SAR干擾抑制結果，其中ε為迭代收斂閾值。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人電子科技大學，其通訊地址為：610000 四川省成都市高新區（西區）西源大道2006號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。