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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于多传感器图像增强优化的多通道图像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：CN117115612B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202311156259.0，技术领域涉及：G06V10/80；该发明授权基于多传感器图像增强优化的多通道图像融合方法及系统是由刘煜;赖世铭;谭瀚霖;刘姝;王科选设计研发完成，并于2023-09-08向国家知识产权局提交的专利申请。

本基于多传感器图像增强优化的多通道图像融合方法及系统在说明书摘要公布了：本发明提供了基于多传感器图像增强优化的多通道图像融合方法及系统，包括：获取包含EBCMOS图像、可见光黑白图像、近红外图像的微光图像数据集，进而进行数据预处理；进行图像优化增强，包括：直方图均衡化、增强对比度、多尺度增强；进行光度特征信息提取；根据微光图像数据集包含的图片，训练多通路图像融合框架，包括：合成学习阶段和逆向优化阶段，进而融合形成多通路图像融合框架；将经过数据预处理的图片输入多通路图像融合框架，输出融合后图像。本发明提出的多通道图像融合方法，能够对微光图像进行图像增强优化，且在有效保留各图像中光照强度和前后景信息的同时，减少网络在学习过程中出现有效信息的缺失和无效信息的冗余现象。

本发明授权基于多传感器图像增强优化的多通道图像融合方法及系统在权利要求书中公布了：1.一种基于多传感器图像增强优化的多通道图像融合方法，其特征在于，所述方法包括以下步骤： 步骤S1：获取包含EBCMOS图像、可见光黑白图像、近红外图像的微光图像数据集，进而根据所述微光图像数据集，进行数据预处理； 步骤S2：根据经过数据预处理的微光图像数据集，进行图像优化增强，包括：直方图均衡化、增强对比度、多尺度增强； 步骤S3：根据经过图像优化增强的微光图像数据集，进行光度特征信息提取，包括：构建光照感知信息提取的多级注意力模型，进而构建光度信息提取网络输出图像的光度概率，搭建提取相同目标公共重要特征的辅助模块，进而使用卷积降维的方法保留筛选出的最优特征； 步骤S4：根据微光图像数据集包含的图片，训练多通路图像融合框架，包括：合成学习阶段和逆向优化阶段，进而将合成学习阶段和逆向优化阶段融合形成多通路图像融合框架； 步骤S5：将经过数据预处理后的图片输入多通路图像融合框架，输出融合后的图像； 所述训练多通路图像融合框架的方法为： 步骤S40：给定预设数量配准对齐的图片，且将所述图片导入多通路图像融合框架； 步骤S41：通过多通路图像融合框架将所述图片融合，生成融合图像； 步骤S42：针对EBCMOS图像生成前置背景的掩码，且分别与红外图像和可见光黑白图像进行叠加； 步骤S43：针对红外图像和可见光黑白图像生成后置背景的掩码，分别与EBCMOS图像进行叠加，进而设置正负样本，评价特征的相似性，且将各个通路图像正负样本相似性的评分设置为该通路图像的损失函数： 其中，N代表VGG-19网络的层数，M代表每种通路图像中设定的负样本数量，V、E、I分别代表可见光黑白图像、EBCMOS图像、红外图像，代表第i种通路图像下的权重，代表融合图像的前后景特征，代表源图像的正样本，代表源图像的第m个负样本 步骤S44：学习最小化源图像和融合图像的结构相似性，且所述结构相似性用SSIM进行约束，损失函数定义为： 其中，S代表SSIM的计算过程，，，分别代表源图像的融合比例系数； 步骤S45：学习最小化源图像和融合图像的强度相似性，且所述强度相似性用MSE进行约束，损失函数定义为： 其中，，分别代表源图像的融合比例系数。

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中国人民解放军国防科技大学，其通讯地址为：410072 湖南省长沙市开福区三一大道国防科技大学；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。