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！

龙图腾网获悉西南科技大学申请的专利基于双分支特征分解的跨模态图像差分融合方法及系统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：CN120510479B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510990275.2，技术领域涉及：G06V10/80；该发明授权基于双分支特征分解的跨模态图像差分融合方法及系统是由路锦正;胡鑫;曾宁直;蔡青龙设计研发完成，并于2025-07-18向国家知识产权局提交的专利申请。

本基于双分支特征分解的跨模态图像差分融合方法及系统在说明书摘要公布了：本申请公开了基于双分支特征分解的跨模态图像差分融合方法及系统，涉及图像处理技术领域，包括分别提取待融合的第一模态图像和第二模态图像的低频率基础特征以及高频率细节特征；分别将低频率基础特征和高频率细节特征输入特征融合模块得到对应的基础融合特征和细节融合特征；特征融合模块包括差分补偿模块，差分补偿模块根据输入特征计算差分特征，采用sigmoid函数根据全局平均池化后的差分特征生成信道权重，计算特征补偿值，将特征补偿值与对应输入特征相加作为补偿特征，特征融合模块对补偿特征进行特征重建得到融合特征；拼接基础融合编码特征和细节融合编码特征；解码拼接结果后得到目标融合图像，实现了跨模态图像融合的权重动态分配。

本发明授权基于双分支特征分解的跨模态图像差分融合方法及系统在权利要求书中公布了：1.基于双分支特征分解的跨模态图像差分融合方法，其特征在于，包括： 获取待融合的第一模态图像和第二模态图像； 编码第一模态图像和第二模态图像，以分别提取对应的低频率基础特征和高频率细节特征； 第一模态图像的低频率基础特征和第二模态图像的低频率基础特征输入特征融合模块后得到基础融合特征；第一模态图像的高频率细节特征和第二模态图像的高频率细节特征输入特征融合模块后得到细节融合特征； 其中，特征融合模块包括差分补偿模块，差分补偿模块根据输入特征计算差分特征，采用sigmoid函数根据全局平均池化后的差分特征生成信道权重，根据差分特征及对应信道权重计算特征补偿值，分别将特征补偿值与对应输入特征相加后作为补偿特征，特征融合模块对所有输入特征的补偿特征进行特征重建，得到融合特征； 将基础融合编码特征和细节融合编码特征拼接； 解码拼接结果后得到目标融合图像； 在编码第一模态图像和第二模态图像中，还包括：通过共享特征提取器提取输入图像的浅层特征，通过基础编码器从浅层特征中提取对应的低频率基础特征：基础编码器包括第一提取模块、全局建模模块、第二提取模块和前馈神经网络； 其中，第一提取模块和第二提取模块用于提取输入特征的局部结构信息； 其中，全局建模模块包括展平层、状态建模层和残差融合层；展平层将二维特征图展平成序列向量；状态建模层将状态向量与动态偏移相加后归一化为注意力权重，将注意力权重、状态特征相乘和状态建模层的输入特征相乘，结合缩放因子动态调节变换强度后与投影矩阵进行逐元素相乘操作； 其中，所述前馈神经网络用于对输入的特征进行非线性变换； 在编码第一模态图像和第二模态图像中，还包括通过细节编码器从浅层特征中提取对应的高频率细节特征：细节编码器沿通道维度将浅层特征划分为3个输入子特征，分别对每一输入子特征提取细节特征后将所有提取结果执行拼接操作，以得到对应的高频率细节特征； 其中，对第一输入子特征提取细节特征包括： 通过双向扫描Mamba模块提取第一输入子特征的全局信息，得到第一特征图； 根据预设低通滤波器和高通滤波器对第一输入子特征进行Haar小波变换，以得到频域特征； 采用卷积提取频域特征提取局部信息； 对局部信息进行小波逆变换后得到变换结果； 将第一特征图和第二特征图求和得到特征提取结果。

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南科技大学，其通讯地址为：621002 四川省绵阳市涪城区青龙大道59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”。