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！

龙图腾网获悉浙江大学申请的专利一种基于扩散模型的红外光与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：CN119963954B 。

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：202411729195.3，技术领域涉及：G06V10/80；该发明授权一种基于扩散模型的红外光与可见光图像融合方法是由杨春节;季博渊设计研发完成，并于2024-11-28向国家知识产权局提交的专利申请。

本一种基于扩散模型的红外光与可见光图像融合方法在说明书摘要公布了：本发明公开了一种基于扩散模型的红外光与可见光图像融合方法，涉及图像融合技术领域。本发明基于去噪扩散概率模型DDPM进行设计，为了准确预测噪声并高效训练模型，设计了一种轻量化的U‑NET架构作为条件噪声预测器，从纯噪声图像开始，以红外光和可见光图像为条件，使用DDPM通过迭代执行多个去噪操作，恢复出融合图像的分布，从而实现融合红外光与可见光图像的目的。这种方法不依赖于各种特定的融合规则和复杂的特征提取网络，克服了现有融合方法中许多的算法设计和训练难点。实验结果表明，本发明提出的融合方法能生成高质量的红外光和可见光融合图像。

本发明授权一种基于扩散模型的红外光与可见光图像融合方法在权利要求书中公布了：1.一种基于扩散模型的红外光与可见光融合方法，其特征在于： 步骤一、构建数据集，包括配准的一对红外图像Iir和可见光图像Ivi以及它们对应的融合先验图像F0，其中融合先验图像代表图像融合的一般结果，用于模型的训练过程；融合先验图像F0是预先生成的融合图像，作为模型训练的真值，使得图像融合任务从无监督任务变为有监督任务；融合图像的分布F0通过目标搜索函数获得，其中ωn是不同指标的权重，Tn表示评价函数，TnFj表示给定第j个样本的评价分数，Fj是多个方法生成的样本图像； 步骤二、对融合先验图像F0进行正向加噪、反向去噪扩散处理： 在正向过程中，方差表[β1,β2,...,βt,...,βT]控制了每个时间步的噪声增加量，βt随时间步t逐渐增加，表示在每个时间步加入更多噪声；对融合先验图像F0重复添加高斯噪声，F0将在t个时间步长内逐渐退化成高斯噪声图像Ft，其中T定义为最大时间步长度，t∈[1,T]，T＝1000；此正向扩散过程q公式化为： 其中αt＝1-βt，N表示高斯正态分布，I为单位矩阵，是是扩散过程中的系数，它控制了每个时间步的噪声强度，表示正向扩散过程中噪声方差，根据αt计算得出； 在反向扩散过程中，通过逐渐去噪从高斯图像Ft中重建融合先验图像F0，以红外光图像Iir和可见光图像Ivi作为扩散模型的输入条件，每个反向扩散步使用均值为μθ的神经网络pθ写成： 其中均值μθ公式化为： 其中εθ是神经网络pθ估计输出的噪声；神经网络pθ学习每个时间步长对高斯正态分布N的建模；同时该神经网络以红外图像Iir和可见光图像Ivi作为条件，用来重建融合先验图像F0，建立学习目标如下： Lt＝E||εt-εθFt,Iir,Ivi,t||2 通过不断训练，减小学习目标Lt的值； 步骤三、扩散模型网络的输出： 将任意分辨率的红外可见光图像对输入已训练好的扩散模型，扩散模型通过不断迭代，自动输出保留了可见光图像丰富纹理和色彩信息和红外图像突出目标信息的融合图像。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。