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！

龙图腾网恭喜中国科学院空天信息创新研究院申请的专利基于非凸-非局部全变差正则化的稀疏SAR成像方法及系统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：CN113960600B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202111402837.5，技术领域涉及：G01S13/90；该发明授权基于非凸-非局部全变差正则化的稀疏SAR成像方法及系统是由徐仲秋;张冰尘;蒋鹏宇;张柘;吴一戎设计研发完成，并于2021-11-23向国家知识产权局提交的专利申请。

本基于非凸-非局部全变差正则化的稀疏SAR成像方法及系统在说明书摘要公布了：本公开提供了一种基于非凸‑非局部全变差正则化的稀疏SAR成像方法，包括：在稀疏SAR成像模型中引入非凸惩罚项和非局部全变差范数惩罚项，构建基于非凸‑非局部全变差正则化的稀疏SAR成像模型；利用改进的变量分离及交替方向乘子法求解基于非凸‑非局部全变差正则化的稀疏SAR成像模型，完成SAR成像。本公开还提供了一种基于非凸‑非局部全变差正则化的稀疏SAR成像系统、电子设备、存储介质及计算机程序产品。

本发明授权基于非凸-非局部全变差正则化的稀疏SAR成像方法及系统在权利要求书中公布了：1.一种基于非凸-非局部全变差正则化的稀疏SAR成像方法，其特征在于，包括：在稀疏SAR成像模型中引入非凸惩罚项和非局部全变差范数惩罚项，构建基于非凸-非局部全变差正则化的稀疏SAR成像模型；利用改进的变量分离及交替方向乘子法求解所述基于非凸-非局部全变差正则化的稀疏SAR成像模型，完成SAR成像；其中，所述基于非凸-非局部全变差正则化的稀疏SAR成像模型如下： 其中，、为拉格朗日乘子，y为二维回波向量化结果，为二维场景向量化结果，为对二维回波和二维场景进行向量化后对应的观测矩阵，为非凸惩罚项，为非局部全变差范数惩罚项； 所述非局部全变差范数惩罚项的定义为： 其中，表示SAR二维场景图像；，表示像素点i在图像中的位置；表 示图像中位于位置的元素；表示的非局部梯度向量，表示每个像 素点的非局部梯度向量的模构成的矩阵；其中， 其中，表示像素点i和像素点j之间的非局部权重；，表示像素点j 在图像X中的位置；表示图像中位于位置的元素；表示像素点i的非局部梯 度向量的模构成的矩阵；表示以i为中心、大小为的窗口，D为实数；像素点i和 j之间的非局部权重定义为： 其中，表示加权欧式距离；表示高斯核的标准差，且；表示以i为中心、大小为的窗口，为实数；表示以j为中心、大 小为的窗口；表示控制参数，且； 其中，所述利用改进的变量分离及交替方向乘子法求解所述一种基于非凸-非局部全变差正则化的稀疏SAR成像方法模型，完成SAR成像，包括：初始化迭代参数：雷达回波为，观测矩阵为，雷达场景初始化为，中间变量、及，拉格朗日乘子、，增广拉格朗日惩罚参数，非局部全 变差正则化迭代步长；设定最大迭代步数为，令迭代步数初始值t=0，迭代终止条件；进行迭代，更新迭代参数；计算迭代参数； 更新迭代t+1次后的二维场景向量化结果满足： 其中，表示更新迭代t次后的二维场景向量化结果；y为二维回波向量化结果；表 示梯度下降迭代步长；和均表示中间参量，表示中间 变量的共轭转置矩阵；表示和辅助变量之间的映 射关系；表示单位矩阵的转置矩阵；分别为辅助变量的两个分量；表 示辅助变量更新迭代t次后的迭代结果；表示交替乘子法迭代变量，表示更新迭 代t次后的交替乘子法迭代变量，表示的分量，其中，i取1和2；为对二维回波和 二维场景进行向量化后对应的观测矩阵；表示观测矩阵的共轭转置矩阵。

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中国科学院空天信息创新研究院，其通讯地址为：100190 北京市海淀区北四环西路19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”。