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！

龙图腾网获悉重庆邮电大学申请的专利一种基于图像去噪和照度增强的多模态医学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：CN119559469B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411596290.0，技术领域涉及：G06V10/80；该发明授权一种基于图像去噪和照度增强的多模态医学图像融合方法是由李伟生;刘世强设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本一种基于图像去噪和照度增强的多模态医学图像融合方法在说明书摘要公布了：本发明涉及一种基于图像去噪和照度增强的多模态医学图像融合方法，包括：将多模态医学图像输入照度和对比度增强网络进行光照强度校正生成增强图像；为多模态医学图像添加随机噪声得到噪声图像；将噪声图像输入去噪和重建网络进行去噪和重建任务；将增强图像和多模态医学图像作为标签共同监督训练去噪和重建网络，获得具有去噪和照度增强功能的特征编码器和特征解码器，利用训练好的特征编码器分别提取不同模态图像的特征，得到模态特征图，将不同模态图像的模态特征图进行特征融合，采用训练好的特征解码器对融合后的特征图进行重建得到多模态医学图像融合结果。本发明解决图像融合受到噪声噪声干扰，照度退化和融合效率低下的问题。

本发明授权一种基于图像去噪和照度增强的多模态医学图像融合方法在权利要求书中公布了：1.一种基于图像去噪和照度增强的多模态医学图像融合方法，其特征在于，包括以下步骤： S1：将多模态医学图像输入照度和对比度增强网络进行光照强度校正生成增强图像； S2：为多模态医学图像添加随机噪声，得到噪声图像；构建去噪和重建网络并将噪声图像输入去噪和重建网络进行去噪和重建任务；去噪和重建网络通过特征编码器提取噪声特征，通过特征解码器生成重建图像； S3：将增强图像和多模态医学图像作为标签共同监督训练去噪和重建网络，获得具有去噪和照度增强功能的特征编码器和特征解码器； S4：利用训练好的特征编码器分别提取不同模态图像的特征，得到模态特征图，将不同模态图像的模态特征图采用LGLE或者GLME融合规则进行特征融合，采用训练好的特征解码器对融合后的特征图进行重建得到多模态医学图像融合结果； 所述LGLE融合规则包括： 步骤1：采用L1-Norm通道叠加的方式分别整合两种模态特征图的通道信息，并生成对应的单通特征图，该过程表示为： 其中，表示单通道特征图，表示模态特征图，k=1或k=2表示不同模态，N表示特征图通道数； 步骤2：采用Sobel梯度算子分别计算两种模态的单通道特征图在水平和竖直方向的梯度信息，生成对应的梯度图，并对梯度图计算局部梯度活动水平图，该过程表示为： 其中，表示卷积核为3×3的卷积，； 步骤3：采用局部能量最大的方法来计算两种模态的单通道特征图中高信号区域的特征信息，生成局部能量图： 其中，表示卷积核为3×3的卷积，； 步骤4：结合局部梯度活动水平图和局部能量图计算对应的权重图，并根据两种模态对应的权重图组合两种模态特征图，生成融合特征图： 在LGLE融合算法中，L1-Norm整合了通道中的信息，计算特征图的梯度信息和局部能量有助于分别提取MRI细节纹理信息和CT图像中致密结构的颅骨区域，增强了融合图像中纹理细节和亮度信息保留； 所述GLME融合规则包括： 步骤1：采用Sobel梯度算子分别计算两种模态特征图在水平和竖直方向的梯度信息，生成梯度图，对梯度图来计算其局部梯度活动水平图可参照LGLE融合规则步骤2； 步骤2：采用局部梯度平均能量算子分别计算两组不同模态特征图的局部平均能量信息图： 其中，表示卷积核为3×3的卷积，； 步骤3：将相同模态的局部梯度活动水平图和局部能量图分别进行标准化之后相加，获得权重图： 其中，表示标准化，表示平衡因子； 步骤4：对不同模态的权重图采用最大决策法去计算二元决策得分图M；根据二元决策得分图结果来进行不同模态特征图的组合，获得融合特征图： GLME融合规则有助于捕获MRI图像中的纹理细节和PET或SPECT图像中的生理代谢，并将这些显著的医学语义信息有效保留在融合图像中。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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。