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！

申请/专利权人：数据空间研究院

摘要：本发明提供一种基于分解重构的多反演体制成像融合方法，包括对多源雷达回波数据处理，得到物体反射强度分布数据、物体介电常数分布数据、物体导电率分布数据；通过分解网络分别对上述三类数据进行分解，输出共享特征图、反射强度独有特征图、介电常数独有特征图、电导率独有特征图；对三个独有特征图进行拼接，然后与共享特征图进行卷积融合，得到目标融合图像，其中，分解网络包括两个支路，第一支路为共享特征图提取模块，第二支路为独有特征图提取模块。本发明融合任务按照信息类型设计两支路网络分别处理输入，既能防止信息融合重点模糊造成的前景背景不清晰，又能充分保留雷达穿透性的空间深度信息。

主权项：1.基于分解重构的多反演体制成像融合方法，其特征在于，包括以下步骤：步骤1、对多源雷达回波数据进行多种电磁散射建模，得到源物体分布数据={，，}，其中为物体反射强度分布数据、为物体介电常数分布数据、为物体导电率分布数据；步骤2.通过分解网络对源物体分布数据{，，}进行分解，输出共享特征图、输出反射强度独有特征图、介电常数独有特征图、电导率独有特征图；步骤3.对反射强度独有特征图、介电常数独有特征图、电导率独有特征图进行拼接，然后与共享特征图进行卷积融合，得到目标融合图像；其中，分解网络包括两个支路，第一支路为共享特征图提取模块，第二支路为独有特征图提取模块；第一支路包括第一浅层特征提取网络、全局语义特征提取网络、跨域融合网络；源物体分布数据{，，}分别输入至浅层特征提取网络，提取多尺度多层次信息，多尺度多层次信息作为全局语义特征提取网络输入，然后经过ViT跨域融合网络进行融合，实现全局语义上的共享特征整合，得到共享特征图；第二支路包括第二浅层特征提取网络、纹理增强提取网络，源物体分布数据{，，}分别作为第二浅层特征提取网络的输入，分别提取三类数据的多尺度多层次信息作为纹理增强提取网络的输入，经纹理增强提取网络提取独有的特征纹理细节，输出反射强度独有特征图、介电常数独有特征图、电导率独有特征图；所述浅层特征提取网络基于Unet3+架构设计，全局语义特征提取网络采用编码器与DiNAT结合的模式，纹理增强提取网络采用可逆神经网络。

全文数据：

权利要求：

百度查询： 数据空间研究院 基于分解重构的多反演体制成像融合方法及系统