(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210532062.1 (22)申请日 2022.05.17 (65)同一申请的已公布的文献号 申请公布号 CN 114660605 A (43)申请公布日 2022.06.24 (73)专利权人 湖南师范大学 地址 410006 湖南省长 沙市岳麓区麓山路 36号 (72)发明人 田海山　吴袁裕　宋济慈　黄亚维　 汪良会　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 刘珂 (51)Int.Cl. G01S 13/90(2006.01)G01S 7/41(2006.01) G06V 20/17(2022.01) G06V 10/70(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/77(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) 审查员 柯乐乐 (54)发明名称 一种机器学习的SAR成像处理方法、 装置及 可读存储介质 (57)摘要 本申请公开一种机器学习的SAR成像处理方 法、 装置及可读存储介质， 涉及信息技术领域。 本 申请所提供的机器学习的SAR成像处理方法， 通 过引入了机器学习模型， 在获取机载SAR采集的 数据后， 通过学习模型处理， 筛选出数据对应的 应用场景， 然后根据该应用场景分类确定成像处 理方法， 对采集数据进行成像处理得到成像结 果， 与现有的通过专用的SAR成像处理方式相比， 由于本申请中引入了机器学习模 型， 因此对于任 何采集获取得到的数据均可由学习模型分类确 定SAR成像处理方式， 进行数据处理生成对应图 像。 因此本申请所提供的方案在进行正常业务 时， 无需事先配置成像处理方法， 只需要进行数 据采集即可自动生成相应图像， 因此适用性较 广。 权利要求书2页 说明书8页 附图3页 CN 114660605 B 2022.12.27 CN 114660605 B 1.一种机器学习的SAR成像处 理方法， 其特 征在于， 包括： 获取机载SAR采集的数据， 所述数据包括回波信号、 传感器数据、 状态数据、 工作参数、 计算存储资源； 利用机器学习模型分析所述数据对应的应用场景， 所述机器学习 模型为预先通过所述 机载SAR采集的历史数据作为训练数据与适用的所述应用场景训练生成； 获取所述应用场景 下的成像处 理方法， 并对所述数据进行处 理， 生成目标图像； 所述机器学习模型的建立包括如下步骤： 建立机载SAR成像处理的机器学习算法， 所述机器学习算法在所述机载SAR的机器学习 网络上添加 约束， 建立算法特征结构， 采用机器学习激活函数获取合理的特征映射空间， 运 用代价函数优化模型参数， 实现机器学习卷积网络建构、 聚类和分类， 形成适用机载SAR实 时成像处 理的智能处 理算法； 获取所述训练数据， 根据所述机器学习算法对所述训练数据进行分类； 将分类的所述训练数据与 所述应用场景进行对应， 并根据 所述应用场景将对应的所述 成像处理方法与所述训练数据结合建立所述机器学习模型； 所述根据所述应用场景将对应的所述成像处理方法与所述训练数据结合建立所述机 器学习模型包括： 对所述训练数据进行监测以及数据清洗； 对所述训练数据进行归一化处理， 并将处理后的所述训练数据进行数据增强处理， 其 中归一化处理为对所述训练数据进行相对化处 理； 提取所述训练数据的特 征， 并将所述特 征与所述应用场景对应； 将对应的结果以数据的形式保存至数据库， 并建立所述机器学习模型； 对应地， 在所述获取所述应用场景下的成像处理方法， 并对所述数据进行处理， 生成目 标图像之后还 包括： 根据所述机器学习模型对所述图像进行数据清洗， 以便于排除不符合预设标准的所述 图像。 2.根据权利要求1所述的机器学习的SAR成像处理方法， 其特征在于， 所述获取所述训 练数据， 根据所述机器学习算法对所述训练数据进行分类包括： 按照机体类型将所述机载SAR平台划分为无人直升机、 多旋翼无人机和固定翼无人机， 获取不同类型的所述机载SAR在不同所述应用场景中采集的所述数据。 3.根据权利要求1或2所述的机器学习的SAR成像处 理方法， 其特 征在于， 还 包括： 对所述机载SAR的回波数据进行处 理， 以便于实时生成图像。 4.根据权利要求3所述的机器学习的SAR成像处 理方法， 其特 征在于， 还 包括： 每隔第一预设时间， 将获取得到的所述图像作为所述训练数据， 对所述机器学习模型 进行更新处理。 5.根据权利要求 4所述的机器学习的SAR成像处 理方法， 其特 征在于， 还 包括： 每隔第二预设时间， 删除获取 得到的所述图像以及所述成像处 理相关的数据。 6.一种机器学习的SAR成像处 理装置， 其特 征在于， 包括： 获取模块， 用于获取机载SAR采集的数据， 所述数据包括回波信号、 传感器数据、 状态数 据、 工作参数、 计算存 储资源；权　利　要　求　书 1/2 页 2 CN 114660605 B 2分析模块， 用于利用机器学习模型分析所述数据对应的应用场景， 所述机器学习模型 为预先通过所述机载SAR采集的历史数据作为训练数据与适用的所述应用场景训练生成； 处理模块， 用于获取所述应用场景下的成像处理方法， 并对所述数据进行处理， 生成目 标图像； 建立模块， 用于建立机载SAR成像处理的机器学习算法， 所述机器学习算法在所述机载 SAR的机器学习网络上添加 约束， 建立算法特征结构， 采用机器学习激活函数获取合理的特 征映射空间， 运用代价函数优化模型参数， 实现机器学习卷积网络建构、 聚类和分类， 形成 适用机载SAR 实时成像处 理的智能处 理算法； 分类模块， 用于获取 所述训练数据， 根据所述机器学习算法对所述训练数据进行分类； 对应模块， 用于将分类的所述训练数据与所述应用场景进行对应， 并根据所述应用场 景将对应的所述成像处 理方法与所述训练数据结合建立所述机器学习模型； 所述根据所述应用场景将对应的所述成像处理方法与所述训练数据结合建立所述机 器学习模型包括： 对所述训练数据进行监测以及数据清洗； 对所述训练数据进行归一化处理， 并将处理后的所述训练数据进行数据增强处理， 其 中归一化处理为对所述训练数据进行相对化处 理； 提取所述训练数据的特 征， 并将所述特 征与所述应用场景对应； 将对应的结果以数据的形式保存至数据库， 并建立所述机器学习模型； 对应地， 在所述获取所述应用场景下的成像处理方法， 并对所述数据进行处理， 生成目 标图像之后还 包括： 根据所述机器学习模型对所述图像进行数据清洗， 以便于排除不符合预设标准的所述 图像。 7.一种机器学习的SAR成像处 理装置， 其特 征在于， 包括存 储器， 用于存 储计算机程序； 处理器， 用于执行所述计算机程序时实现如权利要求1至5任一项所述的机器学习的 SAR成像处 理方法的步骤。 8.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的机器学习的SAR 成像处理方法的步骤。权　利　要　求　书 2/2 页 3 CN 114660605 B 3