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！

龙图腾网获悉山东财经大学申请的专利基于U-Net架构的高精度红外图像温度表达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：CN120599432B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202511094713.3，技术领域涉及：H04N23/20；该发明授权基于U-Net架构的高精度红外图像温度表达方法是由徐健设计研发完成，并于2025-08-06向国家知识产权局提交的专利申请。

本基于U-Net架构的高精度红外图像温度表达方法在说明书摘要公布了：本发明涉及红外图像技术领域，尤其是提供了一种基于U‑Net架构的高精度红外图像温度表达方法。该方法包括构建多头自注意力增强的U‑Net架构，采用移动窗口特征提取策略以捕捉图像局部像素的相关性；构建基于多级残差连接的密集残差卷积模块，生成内容增强型红外图像；设计复合网络损失函数，融合红外图像与对应视觉图像的特征，该方法提高了红外图像的质量，确保了温度表达更加准确，从而促进了其更广泛的应用。

本发明授权基于U-Net架构的高精度红外图像温度表达方法在权利要求书中公布了：1.一种基于U-Net架构的红外图像温度表达方法，其特征在于，所述方法包括： 步骤1、构建多头自注意力增强的U-Net架构，采用移动窗口特征提取策略以捕捉图像局部像素的相关性； 步骤2、根据步骤1，构建基于多级残差连接的密集残差卷积模块，生成内容增强型红外图像； 步骤3、根据步骤2，设计复合网络损失函数，融合红外图像与对应视觉图像的特征； 所述步骤1包括： 多头自注意力增强的U-Net架构由三部分组成，其分别为编码网络、解码网络和温度映射网络； 在编码网络中，首先对原始图像进行两次卷积和归一化操作，生成全局特征矩阵；随后，将全局特征矩阵输入到移动窗口增强的多头自注意力SW-MHSA模块中进行下采样操作，在SW-MHSA模块中，全局特征矩阵将经历三个阶段的多头自注意力特征提取过程；每个阶段之后，均会执行平均池化操作； 在解码网络中，首先对压缩的特征矩阵进行SW-MHSA操作；接着，输出的特征矩阵通过跳过连接与编码网络中的相同大小的特征矩阵相连；随后，将连接后的特征矩阵进行降维运算，并输入到下一个SW-MHSA模块中，再通过上采样操作扩大其尺寸；经过四轮SW-MHSA操作后，在解码阶段得到与原始图像大小相同的特征矩阵； 在温度映射网络中，通过逐步的降维过程，以保留生成特征矩阵中的细粒度特征；采用密集残差卷积网络进行特征融合，生成红外图像，同时，利用局部全卷积网络将图像内容与校准后的红外温度标注矩阵进行映射，优化红外图像的像素值分布； 所述步骤3包括： 设计三种不同的损失函数，分别为均方误差MSE损失、结构相似性SSIM损失和温度映射TM损失；总的损失函数表示为： ； 其中，是用于控制每个损失组件贡献的超参数； 均方误差MSE损失用于量化两幅相似图像在像素层面的差异，作为评估生成图像保真度的指标，其计算公式为： ； 其中，表示总像素数，表示像素的真实值，表示像素的预测值； 结构相似性SSIM损失表示两幅图像的结构相似性，其计算公式为： ； 其中，和表示两个图像；表示图像的均值，表示图像的均值；和表示图像的方差；表示图像的协方差；和表示两个极小常数，分别用于避免除数为零的情况； 温度映射TM损失设定为重建图像与热温度矩阵之间的平均差异，其计算公式为： ； 其中，和分别表示热温度矩阵中点的值以及重建图像中的对应值；表示一个常数，用于将像素值映射到其对应的温度； 最终，开发一个综合优化的损失函数，其结合上述三种网络损失，根据深度神经网络的误差反向传播机制，优化重建红外图像的温度表达能力。

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山东财经大学，其通讯地址为：250014 山东省济南市历下区二环东路7366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。