买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉长春理工大学申请的专利一种基于深度学习的像素级红外图像拼接方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116152055B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211390108.7，技术领域涉及：G06T3/4038；该发明授权一种基于深度学习的像素级红外图像拼接方法是由郝子强;刘晟佐;唐雁峰;徐小雨;洪洋设计研发完成，并于2022-11-08向国家知识产权局提交的专利申请。

本一种基于深度学习的像素级红外图像拼接方法在说明书摘要公布了：一种基于深度学习的像素级红外图像拼接方法，属于图像拼接技术领域，为了解决现有的红外图像拼接方法得到的的图像中有重影、伪影的问题，步骤1，构建网络模型；步骤2，准备数据集：选择KAIST数据集，调整数据集中每个图像的尺寸，固定输入图像的大小；步骤3，训练网络模型：将步骤2中准备好的数据集输入到步骤1中构建好的网络模型中进行训练；步骤4，选择最小化损失函数和最优评估指标；步骤5，微调模型：用LTIR数据集对模型进行训练和微调，得到稳定可用的模型参数，最终使得模型对红外图像拼接的效果更好；步骤6，保存模型：将最终确定的模型参数进行固化，需要进行红外图像拼接时，直接将图像输入到网络中即可得到拼接图像。

本发明授权一种基于深度学习的像素级红外图像拼接方法在权利要求书中公布了：1.一种基于深度学习的像素级红外图像拼接方法，其特征是，该方法包括如下步骤： 步骤1，构建网络模型：整个网络由像素级变形模块和拼接图像生成模块两部分组成：像素级变形模块利用光流估计模型获得目标图像到参考图像的像素级变形，并利用得到的像素级变形对目标图像中的每一个像素点重新定位，得到变形的目标图像；拼接图像生成模块将变形的目标图像和参考图像拼接得到红外拼接图像； 步骤2，准备数据集：选择KAIST数据集，调整数据集中每个图像的尺寸，固定输入图像的大小； 步骤3，训练网络模型：将步骤2中准备好的数据集输入到步骤1中构建好的网络模型中进行训练； 步骤4，选择最小化损失函数和最优评估指标：通过最小化网络输出图像与标签的损失函数，直到训练次数达到设定阈值或损失函数的值到达设定范围内即可认为模型参数已预训练完成，保存模型参数；同时选择最优评估指标来衡量算法的精度，评估系统的性能； 步骤5，微调模型：用LTIR数据集对模型进行训练和微调，得到稳定可用的模型参数，最终使得模型对红外图像拼接的效果更好； 步骤6，保存模型：将最终确定的模型参数进行固化，之后需要进行红外图像拼接操作时，直接将图像输入到网络中即可得到最终的拼接图像； 所述步骤1中像素级变形模块首先估计从目标图像到参考图像的像素级变换，得到像素级变形场，然后通过可微分前向变形将目标图像中的每个像素重新定位到参考图像来获得变形的目标图像；拼接图像生成模块由编码器-解码器构成，编码器由残差块一、残差块二、残差块三、残差块四组成，其中每个残差块由全连接层、激活函数、全局平均池化组成；解码器由卷积块一、卷积块二、反卷积块一、反卷积二块组成；其中每个卷积块、反卷积块由跳跃连接、卷积层、激活函数和归一化层组成，卷积核的大小统一为；所有特征图大小与输入图像大小保持一致。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长春理工大学，其通讯地址为：130022 吉林省长春市朝阳区卫星路7186号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。