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！

龙图腾网获悉西安电子科技大学申请的专利一种联合目标检测的红外光和可见光图像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：CN116188342B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202310147643.8，技术领域涉及：G06T5/50；该发明授权一种联合目标检测的红外光和可见光图像融合方法是由李洁;雷含笑;杨光;温晨欣;高新波设计研发完成，并于2023-02-22向国家知识产权局提交的专利申请。

本一种联合目标检测的红外光和可见光图像融合方法在说明书摘要公布了：本发明公开了一种联合目标检测的红外光和可见光图像融合方法，包括；1使用现有的数据集，在模型中加载可见光图像和图像标签文件，通过网络的数据增强、卷积层模块，同时进行损失函数的计算；根据反向传播的损失，在训练过程中按照损失减小的方向调整网络权值；在迭代多次后，将参数用于检测网络，得到预训练的检测网络；2将可见光和红外光图像输入至融合网络的输入端，图像通过特征提取网络模块和图像重建模块，进行融合网络的训练；3融合网络输出生成的融合图像，再将其输入至检测网络进行检测网络的正式训练，得到检测网络的训练权重；完成所有步骤后，得到训练好网络参数的融合网络和检测网络。本发明提高目标检测阶段的平均精确度。

本发明授权一种联合目标检测的红外光和可见光图像融合方法在权利要求书中公布了：1.一种联合目标检测的红外光和可见光图像融合方法，其特征在于，包括以下步骤； 1使用现有的数据集，在YOLOv5模型中加载可见光图像和图像标签文件，通过网络的数据增强、卷积层模块，同时进行损失函数的计算；根据反向传播的损失，在训练过程中按照损失减小的方向调整网络权值；在迭代多次后，损失函数趋于收敛，将此时的参数用于检测网络，得到预训练的检测网络； 2将可见光和红外光图像输入至融合网络的输入端，图像通过特征提取网络模块和图像重建模块，进行融合网络的训练，此时预训练的检测网络用于生成检测损失，检测损失回流和融合损失共同训练融合网络； 3融合网络输出生成的融合图像，再将其输入至检测网络进行检测网络的正式训练，得到检测网络的训练权重；完成所有步骤后，得到训练好网络参数的融合网络和检测网络； 所述步骤2具体为： 在融合网络中加载红外光图像和可见光图像，两种图像均分别通过特征提取网络的密集网络模块、通道注意力模块； 将通过两个特征提取模块得到的图像特征经过图像重建模块后生成融合图像，融合图像与输入图像、掩码信息mask按照融合损失函数公式计算出融合损失；同时将输出的融合图像加载至检测网络，经预训练得到参数后的检测网络将检测损失回流至融合网络，融合损失函数和检测损失函数共同指导融合网络的训练，过程如下： 按照反向传播的融合损失和检测损失，融合网络在训练过程中按照两类损失减小的方向更新网络权值，在迭代多次后，两类损失函数趋于收敛，此时的参数作为融合网络参数，得到训练好的红外光和可见光图像融合网络； 所述融合网络包含特征提取网络模块和图像重建模块，所述融合网络的特征提取为并联密集网络模块和通道注意力模块，所述密集网络Densenet模块与通道注意力模块并联，用于增加红外光图像和可见光图像中重要的信息； 其中，主流密集网络模块实现特征提取；支流注意力机制突出重要特征；并联的结构通过主密流和支流实现特征重用，来增强融合网络对细粒度空间细节的描述能力，所述密集网络模块包括多尺度的卷积、激活函数和残差连接，用于建立前面所有层与后面层的密集连接，通过密集连接，融合网络实现特征重用，从而实现更优的特征提取性能； 所述注意力机制为动态选择过程，根据输入的重要性对特征进行自适应加权，能够保留更重要的特征； 所述图像重建模块包括多尺度的卷积和激活函数，将通过两个特征提取分支得到的图像特征经过图像重建模块后生成融合图像。

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安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。

以上内容由龙图腾AI智能生成。