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！

龙图腾网获悉南京信息工程大学申请的专利基于主次特征分离的红外和可见光图像融合方法、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：CN116452482B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202310434322.6，技术领域涉及：G06T5/50；该发明授权基于主次特征分离的红外和可见光图像融合方法、系统是由孙乐;李宇航设计研发完成，并于2023-04-21向国家知识产权局提交的专利申请。

本基于主次特征分离的红外和可见光图像融合方法、系统在说明书摘要公布了：本发明公开了基于主次特征分离的红外和可见光图像融合方法、系统，包括使用SIFT算法对数据集所有图像进行预处理，得到主要特征图像集和背景特征图像集；构建两个长度不一的密集残差神经网络DetailFoucs和BackgroundFoucs，并设计损失函数对模型进行预训练，保留模型参数，并将预处理后的训练集输入到密集残差神经网络中进行无监督训练，得到优化后的神经网络，补充图像边缘融合模块，设计整体网络架构；对源图像Ivis和Iir做主次图像分割分类后送入训练好的神经网络中，得到融合图像。本发明将源图像主次特征分离，最大程度的保留源图像的主要特征，提升处理应用面，节约资源。

本发明授权基于主次特征分离的红外和可见光图像融合方法、系统在权利要求书中公布了：1.基于主次特征分离的红外和可见光图像融合方法，其特征在于，包括： S1、对数据集所有图像进行预处理，得到主要特征图像集和背景特征图像集； S2、构建两个长度不一的密集残差神经网络，并设计损失函数对模型进行预训练，保留模型参数并基于训练完成的神经网络设计整体网络架构；具体为： S201、根据网络功能要求构建残差块长度不一的密集残差神经网络：用于融合主要特征的DetailFoucs和用于融合次要特征的BackgroundFoucs； S202、根据DetailFoucs和BackgroundFoucs分别设计不同的损失函数，DetailFoucs的损失函数LdetailsIir,Ivis由结构相似指标SSIM构成，BackgroundFoucs的损失函数LbackgroundIir,Ivis由图像的均方误差MSE构成； 损失函数具体公式如下： LdetailsIir,Ivis＝SSIMIF,IVIS+SSIMIF,Iir 其中，μ表示均值，σ表示均方差，C1和C2表示稳定度量的超参数，H和W表示图像的高和宽，M表示输入图像，IF表示融合图像，Iir表示红外图像，Ivis表示可见光图像，Si,j和IFi,j中的i,j代表图像横向和纵向上的像素点，||2表示二范数； S203、将预处理后的训练集输入到密集残差神经网络中进行无监督训练，训练优化器使用Adamw，学习率为1e-3，训练批次为200，batchsize为10，训练完成后得到优化后的神经网络； S204、将红外和可见光的主要特征图像在通道上串联，送入密集残差神经网络DetailFoucs得到融合结果，融合结果是大小为1，1，H，W的灰度融合图像； 将红外和可见光的次要特征图像在通道上串联，送入密集残差神经网络BackgroundFoucs得到融合结果，融合结果是大小为1，1，H，W的灰度融合图像； 将DetailFoucs和BackgroundFoucs的融合结果按在源图像上的位置进行排序，得到待拼接图像； S205、在模型后端补充图像边缘融合模块，使用柏松融合进行拼接融合，对融合完成的分割图像进行拼接得到融合结果； S3、对源图像Ivis和Iir做主次图像分割分类后送入训练好的神经网络中，得到融合图像。

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南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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。