申请/专利权人：西北工业大学;西安爱生技术集团公司

申请日：2020-11-06

公开（公告）日：2024-04-16

公开（公告）号：CN112288668B

主分类号：G06T5/50

分类号：G06T5/50;G06T5/60;G06V10/74;G06V10/80;G06V10/82;G06N3/0464

优先权：["20200922 CN 2020110004023"]

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.02.23#实质审查的生效;2021.01.29#公开

摘要：本发明涉及一种基于深度无监督密集卷积网络的红外和可见光图像融合方法，属于图像处理领域。首先，输入待融合的红外图像A与可见光图像B；接着，通过密集卷积操作提取输入图像的特征；然后，通过特征融合层来融合图像特征获得融合特征；最后，经过重构融合特征输出得到融合图像。本发明通过构建密集卷积网络，生成从源图像到最终融合图的直接映射，避免了人工手动操作，模型中算法利用无参考图像质量评价指标设计损失函数和优化网络模型，最终获得高质量的融合图像。

主权项：1.一种基于深度无监督密集卷积网络的红外和可见光图像融合方法，其特征在于步骤如下：步骤1：输入待融合的红外图像A与可见光图像B；步骤2：将红外图像A依次输入四个卷积层C1、DC1、DC2、DC3进行特征提取，将可见光图像B依次输入四个卷积层C1、DC1、DC2、DC3进行特征提取，每个卷积层的卷积核的大小均为3×3，步长为1，卷积层的特征图输出通道为16，每个卷积层的输入都为前面所有卷积层输出的级联；步骤3：采用L1范数加法策略来融合不同输入图像的特征，用以获得最终的融合特征，即： 其中m∈{1,2,...,M}，M＝64代表特征图的数量，和表示输入红外图像A与可见光图像B中获得的特征图，fm表示融合后的特征图，x,y表示待融合和融合后的特征图对应位置，wkx,y,k＝1,2表示权重，其计算公式为： 步骤4：将步骤3输出的融合后的特征图fm作为输入，依次输入卷积层C2、C3、C4、C5，每一个卷积层的卷积核的大小均为3×3，步长为1，前三层的卷积层非线性激活函数为泄漏整流行函数，最后一层非线性激活函数为Sigmoid函数，通过上述卷积和激活可以重建输出最终的融合图像。

全文数据：

权利要求：

百度查询： 西北工业大学;西安爱生技术集团公司 基于深度无监督密集卷积网络的红外和可见光图像融合方法

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