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！

龙图腾网获悉北京理工大学申请的专利基于类脑计算平台部署的红外可见光双波段图像配准及融合检测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：CN119515935B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411571959.0，技术领域涉及：G06T7/33；该发明授权基于类脑计算平台部署的红外可见光双波段图像配准及融合检测方法是由高昆;杨至甲;王敬宜;胡梓博;李晨芮;张晏铮;张泽丰设计研发完成，并于2024-11-06向国家知识产权局提交的专利申请。

本基于类脑计算平台部署的红外可见光双波段图像配准及融合检测方法在说明书摘要公布了：本发明公开了一种基于类脑计算平台部署的红外可见光双波段图像配准及融合检测方法，涉及图像处理技术领域，方案包括：获取同一场景、同一时刻的红外图像和可见光图像；基于已训练的特征提取网络分别提取红外图像和可见光图像的特征点和特征描述；将红外图像和可见光图像的特征点和特征描述输入已训练的特征点匹配网络，生成特征点匹配结果；基于特征点匹配结果对红外图像和可见光图像进行图像配准；将图像配准后的红外图像和可见光图像输入已训练的图像融合网络，得到融合图像；将融合图像输入已训练的目标检测网络，得到目标检测信息。本发明能够实现红外图像与可见光图像的配准效率和准确率。

本发明授权基于类脑计算平台部署的红外可见光双波段图像配准及融合检测方法在权利要求书中公布了：1.一种红外可见光双波段图像处理方法，其特征在于，包括： 获取同一场景、同一时刻的红外图像和可见光图像； 基于已训练的特征提取网络分别提取所述红外图像和所述可见光图像的特征点和特征描述；其中，所述特征提取网络包括特征编码器、特征点解码器和特征描述解码器；所述特征编码器包括至少两个连续的下采样层；所述特征点解码器包括依次连接的第一卷积层、第一激活函数层和图形变换层；所述特征描述解码器包括依次连接的第二卷积层、上采样层和正则化层；所述至少两个连续的下采样层中最后一个下采样层的输入端用于输入所述红外图像和所述可见光图像；所述第一卷积层的输入端和所述第二卷积层的输入端均与所述至少两个连续的下采样层中最后一个下采样层的输出端连接； 将所述红外图像和所述可见光图像的特征点和特征描述输入已训练的特征点匹配网络，生成特征点匹配结果；其中，所述特征点匹配网络包括至少一个连续的特征点匹配层，每个所述特征点匹配层均包括两个自注意力单元、一个交叉注意力单元以及两个置信度计算单元；所述两个自注意力单元中的一个自注意力单元的输入端用于输入所述红外图像的特征点和特征描述，另一个自注意力单元的输入端用于输入所述可见光图像的特征点和特征描述；所述两个自注意力单元的输出端均与所述交叉注意力单元的输入端连接，所述交叉注意力单元的两个输出端分别与所述两个置信度计算单元的输入端连接；若所述两个置信度计算单元输出的置信度均大于预设置信度阈值，则退出当前特征点匹配层，并计算相似度矩阵，确定匹配特征点；否则去掉置信度不大于所述预设置信度阈值的特征点，并将剩余特征点以及对应的特征描述输入所述当前特征点匹配层的下一个特征点匹配层； 基于所述特征点匹配结果对所述红外图像和所述可见光图像进行图像配准； 将图像配准后的红外图像和可见光图像输入已训练的图像融合网络，得到融合图像；其中，所述图像融合网络包括至少两个连续的融合子模块，每个所述融合子模块均包括第三卷积层和第三激活函数层，所述至少两个连续的融合子模块中除最后一个融合子模块以外的融合子模块还包括批量归一化层，所述批量归一化层分别与所述第三卷积层和所述第三激活函数层连接； 将所述融合图像输入已训练的目标检测网络，得到目标检测信息；其中，所述目标检测信息包括目标定位信息和目标类型信息，所述目标检测网络包括目标定位网络和类型检测网络；所述目标定位网络包括依次连接的卷积神经网络、第一区域建议网络、第一池化层和第一全卷积层；所述卷积神经网络的输入端用于输入所述融合图像，所述第一全卷积层的输出端用于输出所述目标定位信息；所述类型检测网络包括依次连接的第一残差网络、第二区域建议网络、第二池化层、第二残差网络和第二全卷积层；所述第一残差网络的输入端输入图像块，所述第二全卷积层用于输出所述目标类型信息，所述图像块是通过将所述目标定位信息映射回所述融合图像并剪裁得到的。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。