申请/专利权人：太原理工大学

申请日：2023-12-20

公开（公告）日：2024-04-05

公开（公告）号：CN117830235A

主分类号：G06T7/00

分类号：G06T7/00;G06T5/50;G06V10/50;G06V10/80;G06V10/82;G06N3/0455;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明涉及一种基于改进的RFN‑Nest图像融合算法，并将该算法运用在VCSEL的EL缺陷图像增强中，并最终应用于VCSEL的缺陷检测领域。该方法基于RFN‑Nest模型提出了GradCross‑Nest融合网络；所述GradCross‑Nest融合网络包括编码器、融合网络以及解码器。该方法根据VCSEL缺陷发展机理，创造性的将图像融合算法引入VCSEL的质量筛选方案当中。该算法摆脱了传统的手动设计融合策略的依赖，能够自适应的学习输入图像的特征信息，实现了端到端的融合过程。与传统的筛选手段相比，该方法不仅成本低，而且具有更高的效率，能够促进VCSEL制造与缺陷成因分析的研究。

主权项：1.一种基于图像融合算法的VCSEL质量筛选方法，该方法基于RFN-Nest模型提出了GradCross-Nest融合网络；其特征在于：所述GradCross-Nest融合网络包括编码器、融合网络以及解码器；将成对的VCSEL红外图像和可见光图像输入编码器，编码器将输入的每一对图像分解成不同分辨率的多对图像并输入至融合网络；所述融合网络采用梯度交叉融合策略，该网络包括两个紧密连接卷积神经网络模块以及一个梯度交叉路径模块，两个紧密连接卷积神经网络分别提取可见光图像以及红外光图像中的像素强度信息；梯度交叉路径模块则可以同时提取可见光图像和红外光图像的梯度交叉信息；所得梯度交叉信息中同时包含可见光图像和红外光图像的梯度信息，将该信息分别与经过像素强度信息提取的可见光图像特征图和红外光图像特征图相加，初步形成多通道预融合特征图；所述解码器将融合网络融合得到的多通道预融合特征图通过上采样实现图像重建，得到用于质量筛选的融合图像。

全文数据：

权利要求：

百度查询： 太原理工大学 一种基于图像融合算法的VCSEL质量筛选方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD