基于局部-全局特征增强的合成孔径光学图像复原方法技术

本发明专利技术公开了基于局部‑全局特征增强的合成孔径光学图像复原方法，包括：获取合成孔径光学图像数据集并仿真退化，得到仿真退化数据集，进而划分得到训练、验证和测试集；构建合成孔径光学图像复原网络；将训练和验证集输入合成孔径光学图像复原网络中进行训练，计算损失函数并进行反向传播，更新网络参数，获取训练好的最佳参数模型；将测试集输入训练好的最佳参数模型中，得到合成孔径光学复原图像。本发明专利技术利用LAG‑Transformer层对提取特征序列进行全局信息关注，减少序列长度，提取高级语义信息，利用GRM‑Convolution层、ASFE层关注特征的局部信息，弥补了Transformer对局部信息捕捉能力的不足。

【技术实现步骤摘要】

本专利技术涉及基于局部-全局特征增强的合成孔径光学图像复原方法，属于合成孔径光学系统图像复原。

技术介绍

1、随着科技的进步，人类对于大气观测、环境监测等光学成像系统的分辨率要求日益提高。根据瑞利准则，在光学系统工作波长一定的情况下，系统口径和其分辨率成正相关，但受加工技术、成本等因素的限制，难以无限制地增大口径。因此人们提出光学合成孔径成像(optical synthetic aperture imaging，osai)技术，利用多个子孔径构成阵列合成大孔径系统实现高分辨率成像。由于若干子孔径共同填充为单一大孔径，整个系统通光面积减小，孔径间不可避免存在平移误差，造成系统的点扩散函数(pointspreadfunction，psf)变化，调制传递函数(modulation transfer function，mtf)的中低频下降，导致成像结果降质模糊，严重时甚至无法成像。

2、针对于合成孔径光学系统成像模糊的问题，传统方法基于维纳滤波、盲解卷积方法和最大似然方法等图像复原技术对osai进行成像补偿，深度学习的发展有力促进了图像复原技术的提升，本文档来自技高网...

【技术保护点】

1.基于局部-全局特征增强的合成孔径光学图像复原方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于局部-全局特征增强的合成孔径光学图像复原方法，其特征在于，所述步骤1的具体过程如下：

3.根据权利要求1所述的基于局部-全局特征增强的合成孔径光学图像复原方法，其特征在于，所述线性门控Transformer层包括第一至第四归一化层、第一至第二前向传播模块、窗口多头聚焦线性注意力模块以及移位窗口多头聚焦线性注意力模块；

4.根据权利要求3所述的基于局部-全局特征增强的合成孔径光学图像复原方法，其特征在于，所述窗口多头聚焦线性注意力模块和移位窗口多...

【技术特征摘要】

1.基于局部-全局特征增强的合成孔径光学图像复原方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于局部-全局特征增强的合成孔径光学图像复原方法，其特征在于，所述步骤1的具体过程如下：

3.根据权利要求1所述的基于局部-全局特征增强的合成孔径光学图像复原方法，其特征在于，所述线性门控transformer层包括第一至第四归一化层、第一至第二前向传播模块、窗口多头聚焦线性注意力模块以及移位窗口多头聚焦线性注意力模块；

4.根据权利要求3所述的基于局部-全局特征增强的合成孔径光学图像复原方法，其特征在于，所述窗口多头聚焦线性注意力模块和移位窗口多头聚焦线性注意力模块均包括聚焦线性注意力模块；

5.根据权利要求3所述的基于局部-全局特征增强的合成孔径光学图像复原方法，其特征在于，所述第一前向传播模块和第二前向传播模块的结构相同，均包括卷积层、第一至第三深度可分离卷积层、第一至第二深度可分离卷积层、gelu激活函数以及有效通道注意力模块；

6.根据权利要求1所述的基于局部-全局特征增强的合成孔径光学图像复原方法，其特征在于，所述第一门...

【专利技术属性】
技术研发人员：张银胜，童俊毅，单慧琳，陈昕，吴心悦，高润泽，
申请(专利权)人：无锡学院，
类型：发明
国别省市：