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！

龙图腾网获悉西北工业大学申请的专利一种参数智能学习的红外双波段图像像素级融合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：CN115423729B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202210853526.9，技术领域涉及：G06T5/50；该发明授权一种参数智能学习的红外双波段图像像素级融合方法是由李少毅;杨曦;林健;孙扬设计研发完成，并于2022-07-08向国家知识产权局提交的专利申请。

本一种参数智能学习的红外双波段图像像素级融合方法在说明书摘要公布了：本发明涉及一种参数智能学习的红外双波段图像像素级融合方法，通过编码器‑解码器结构，构建无监督深度学习网络，利用神经网络算法分类与感知特性得到自适应融合权重矩阵，结合传统像素级图像融合算法，得到一种参数智能学习的红外双波段图像像素级融合方法，解决空战环境中复杂多变背景下融合权重智能选择的问题。本方法通过利用无监督深度神经网络，改变了原有传统像素级图像融合方法在不同环境下及背景下需人为设置融合参数的问题，使得算法可以不依赖人为选择，根据环境背景自主生成融合所需参数，实现图像融合。

本发明授权一种参数智能学习的红外双波段图像像素级融合方法在权利要求书中公布了：1.一种参数智能学习的红外双波段图像像素级融合方法，其特征在于步骤如下： 步骤1：对内容完全相同的红外中波、长波图像数据进行配准，将配准后完全一致的部分留存，其余部分裁剪，得到处理后的中波、长波融合图像数据集Data＝{Im1,Il1,Im2,Il2,…Imn,Iln}，其中Im表示中波图像，Il表示长波图像； 步骤2：将数据集分为两组Datatrain和Datatest，Datatrain图像作为训练样本，Datatest作为测试样本； 步骤3：构建深度学习网络，深度学习网络输入为步骤2训练集的中波、长波图像，输出为像素级图像融合方法融合权重矩阵，其大小与图像大小相同。融合权重生成公式如下： α＝FuseNetIm,IL 其中α为融合权重矩阵，FuseNet为深度学习网络； 步骤4：将步骤3的像素级图像融合权重作为传统像素级图像融合方法的融合权重矩阵，将融合权重矩阵与中波图像的哈达玛积加上单位矩阵与融合权重矩阵的差与长波图像的哈达玛积，得到融合图像，完成融合模型构建； 融合公式： 其中Ifuse为融合后图像； 步骤5：以步骤2的训练数据集对融合模型进行训练，得到深度学习图像融合权重模型： modelfuse＝FuseNettrainDatatrain 步骤6：将图像步骤2的测试集中中波、长波图像分组输入步骤5训练后模型，根据融合图像融合公式得到融合图像。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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”。