【技术实现步骤摘要】
本专利技术涉及雷达成像，具体来说是一种基于分解重构的多反演体制成像融合方法及系统。
技术介绍
1、毫米波雷达成像技术在安检领域显得尤为重要，其利用独特的散射机制，通过分析入射波的角度、波长以及物体的材质和结构，能够揭示不同的散射强度模式，从而提供物体表面和体积的详尽信息。这项技术特别适用于公共安全环境，能够识别和分类目标，区分物质类型，并检测隐藏物体，进而提高监测和预测的准确性，优化安全检查流程。而融合任务通过整合多源回波数据信息能进一步提升成像质量，具有实际应用意义。
2、图像融合技术在整合多源信息生成丰富图像方面经历了从传统方法到深度学习的发展。传统融合技术，如多尺度变换和基于像素的方法，在速度和资源效率上有优势，但面临处理复杂场景和保持融合质量的挑战。深度学习技术，尽管在全局信息处理上更为强大，却受限于高计算复杂度。两者共同面临的挑战包括信息不均衡、全局信息提取困难和计算效率。未来研究需平衡传统与深度学习的优势，通过算法优化和混合模型开发，提升图像融合的效率和质量。
3、综上，目前图像融合技术至少存在以下技
【技术保护点】
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：
2.根据权利要求1的基于分解重构的多反演体制成像融合方法，其特征在于，还包括保证分解网络输出数据有效性验证的预训练步骤：即通过重建网络，将共享特征图分别与输出反射强度独有特征图、介电常数独有特征图、电导率独有特征图进行融合，得到重建分布数据，通过强制逼近增强分解网络的可靠性。
3.根据权利要求1的基于分解重构的多反演体制成像融合方法，其特征在于，浅层特征提取网络为编码器，全局语义特征提取网络采用DiNAT，纹理增强提取网络采用INN。
4.根据权利要求1的基于分解...
【技术特征摘要】
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：
2.根据权利要求1的基于分解重构的多反演体制成像融合方法，其特征在于，还包括保证分解网络输出数据有效性验证的预训练步骤：即通过重建网络，将共享特征图分别与输出反射强度独有特征图、介电常数独有特征图、电导率独有特征图进行融合，得到重建分布数据，通过强制逼近增强分解网络的可靠性。
3.根据权利要求1的基于分解重构的多反演体制成像融合方法，其特征在于，浅层特征提取网络为编码器，全局语义特征提取网络采用dinat，纹理增强提取网络采用inn。
4.根据权利要求1的基于分解重构的多反演体制成像融合方法，其特征在于，分解网络的预训练过程被设为阶段1，提出像素强度约束、结构相似性约束和相似性约束，具体数学表达式如下：
5.根据权利要求4的基于分解重构的多反演体制成像融合方法，其特征在于，融合网络的训练过程被设为阶段2，且基于阶段1的训练完成；阶段2侧重分解信息的充分融合与均衡，以及目标边缘轮廓的增强，提出像素强度约束、最大梯度约束和相关性约束，具体表达式如下：
...
【专利技术属性】
技术研发人员：吴昊，胡紫珊，岳华，凌未，李嘉伟，王悦，阚宏伟，
申请(专利权)人：数据空间研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。