申请/专利权人：四川大学

申请日：2024-01-22

公开（公告）日：2024-04-26

公开（公告）号：CN117935006A

主分类号：G06V10/80

分类号：G06V10/80;G06V10/774;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明属于目标检测技术领域，特别涉及一种基于红外与可见光图像融合的显著性目标检测方法。包括：输入相互对应的红外与可见光的图像对作为数据集，并对数据集中的训练集图像进行预处理，得到预处理后的训练集；构建多模态显著性目标检测网络；设置损失函数，并根据损失函数和预处理后的训练集，对进行多模态显著性目标检测网络进行训练，获得多模态显著性目标检测模型；将任意红外与可见光图像对输入所述多模态显著性目标检测模型，获得显著性目标检测结果。本方法动态衡量了红外光模态和可见光模态的特征作用，在特征提取时充分考虑红外和可见光模态间的信息以及突出区域的差异，并使融合特征进行了细化增强，具有更好的显著性目标检测性能。

主权项：1.一种基于红外与可见光图像融合的显著性目标检测方法，其特征在于，该方法包括如下步骤：S1：输入相互对应的红外与可见光的图像对作为数据集，并对数据集中的训练集图像进行预处理，得到预处理后的训练集；S2：构建多模态显著性目标检测网络，所述多模态显著性目标检测网络包括多模态作用预测模块、编码器、多模态特征组融合模块、多模态细化融合模块CRM、解码器和卷积块；所述多模态显著性目标检测网络根据多模态作用预测模块得到可见光的特征权重，多模态特征组融合模块根据所述权重对编码器所提取的特征进行融合，并将结果输出至多模态细化融合模块进行细化，细化后的特征输入解码器解码后，通过卷积块输出显著性目标检测掩码；S3：设置损失函数，并根据所述损失函数和预处理后的训练集，对进行多模态显著性目标检测网络进行训练，获得多模态显著性目标检测模型；S4：将任意红外与可见光图像对输入所述多模态显著性目标检测模型，获得显著性目标检测结果。

全文数据：

权利要求：

百度查询： 四川大学 一种基于红外与可见光图像融合的显著性目标检测方法

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