基于神经网络的ISAR图像降噪方法、系统、设备、介质技术方案

由于现有基于深度学习的降噪网络，无法完全适用于ISAR图像，本发明专利技术公开了一种基于神经网络的ISAR图像降噪方法，包括步骤1：获取待检测的ISAR图像；步骤2：建立双层注意力降噪网络；步骤3：将待检测的ISAR图像输入到双层注意力降噪网络中进行去噪处理。与传统传统网络相比，所提网络使用平均池化层和最大池化层提取ISAR图像特征，并在通道注意力层之后加入空间注意力层，更好的利用ISAR图像稀疏性的特点，具有更好的去噪效果。

【技术实现步骤摘要】

本专利技术涉及isar图像降噪，具体涉及一种基于神经网络的isar图像降噪方法、系统、设备、介质。

技术介绍

1、从复杂战场环境中准确获取目标情报信息是态势评估和战术行动决策的重要依据。isar具备不受天时和气候影响的传感器信息获取能力，可以有效获取各类雷达目标的影像数据，已成为目标情报信息获取的重要手段，在情报侦察、精确打击等领域具有广泛的应用需求。但在成像过程中，由于目标的复杂结构，成像结果中存在旁瓣噪声和系统噪声，如何有效降低成像过程中产生的噪声是实现高清晰度成像的基础。

2、经典的雷达信号处理领域通过加汉明窗的方法抑制旁瓣噪声，该方法具有降噪速度快，操作简单的优点，但该方法在降噪的同时也降低了成像分辨率。压缩感知是在过去十几年中发展起来的信号处理领域新理论，基于这一新理论，可通过求解优化问题的方式从低维观测样本中重构原高维信号。学者们将传统成像算法融入到稀疏重构算法中，提出了有效可行的一阶算法来求解此类压缩感知isar成像问题。另外，通过构建冗余字典替代正交字典来对isar数据进行稀疏表示，能够实现稀疏目标的超分辨。压缩感知算法成像效果本文档来自技高网...

【技术保护点】

1.一种基于神经网络的ISAR图像降噪方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于神经网络的ISAR图像降噪方法，其特征在于，步骤2建立的双层注意力降噪网络包括依次连接的特征提取层、多尺度降噪层和特征融合层；

3.如权利要求2所述的基于神经网络的ISAR图像降噪方法，其特征在于，所述特征提取层包括通道注意力模块和空间注意力模块，其中：

4.如权利要求3所述的基于神经网络的ISAR图像降噪方法，其特征在于，所述多尺度降噪层基于五级金字塔，采用五个并行的全局池化层将输入的特征图降采样为不同大小的多个特征图，再通过双线性内插法将多个特征图上采...

【技术特征摘要】

1.一种基于神经网络的isar图像降噪方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于神经网络的isar图像降噪方法，其特征在于，步骤2建立的双层注意力降噪网络包括依次连接的特征提取层、多尺度降噪层和特征融合层；

3.如权利要求2所述的基于神经网络的isar图像降噪方法，其特征在于，所述特征提取层包括通道注意力模块和空间注意力模块，其中：

4.如权利要求3所述的基于神经网络的isar图像降噪方法，其特征在于，所述多尺度降噪层基于五级金字塔，采用五个并行的全局池化层将输入的特征图降采样为不同大小的多个特征图，再通过双线性内插法将多个特征图上采样到相同大小，最后将相同大小的特征图依次连接，输出最终的多尺度去噪特征图。

5.如权利要求4所述的基于神经网络的isar图像降噪方法，其特征在于，所述特征融合层包括内...

【专利技术属性】
技术研发人员：徐嘉华，张小宽，宗彬锋，王赵隆，李宁辉，吕帆，戴斌泉，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：