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！

龙图腾网获悉广东工业大学申请的专利一种基于多尺度特征提取的多模态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：CN116071282B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202310165365.9，技术领域涉及：G06T5/50；该发明授权一种基于多尺度特征提取的多模态图像融合方法是由邸江磊;刘晓宋;邱怀彬;秦玉文设计研发完成，并于2023-02-24向国家知识产权局提交的专利申请。

本一种基于多尺度特征提取的多模态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多尺度特征提取的多模态图像融合方法，本发明用于解决传统的图像融合方法和现阶段深度学习图像融合方法对不同成像模式下拍摄的复杂多模态图像特征提取不完善，导致融合效果欠缺的难题，本发明的图像融合方法先将多模态图像A1和A2放入N层下采样模块中进行逐层图像扩展，分别得到不同尺度下的多模态特征图BN1和BN2，接着将特征图BN1和BN2通过N个注意力模块，将其中获得的融合特征信息在通道上进行拼接得到不同尺度下的融合特征图CN，随后将融合特征图CN放入N层上采样模块进行逐层图像合并，得到融合图像D。本发明的方法可以实现对复杂多模态图像的有效融合，具有特征信息提取丰富、流动性强和鲁棒性高等特点。

本发明授权一种基于多尺度特征提取的多模态图像融合方法在权利要求书中公布了：1.一种基于多尺度特征提取的多模态图像融合方法，其特征在于，包括以下步骤： S1、针对同一场景，使用不同成像模式的相机拍摄一组多模态图像A1和A2，作为N层下采样模块Block1的输入，得到N组多模态特征图BN1和BN2； S2、将N组多模态特征图BN1和BN2作为N个注意力模块Block2的输入，得到对应的融合特征信息RN1和RN2；其中所述注意力模块Block2的构建包括以下步骤： S2-1、一组多模态特征图B1和B2分别通过一个卷积核为1*1的卷积层后，作为层归一化LN和移动窗口多头自注意力SWA、多层感知机MLP组成的双残差结构的输入，分别得到细节特征信息H1和H2；其中，获得细节特征信息H1和H2的表达式为： [H1,H2]＝InputConv1x1B1,Conv1x1B2Res[LN,SWA,LN,MLP] 上式中，Conv1x1表示卷积核为1*1的卷积层，Res[,]表示双残差结构函数； S2-2、将2*2的最大池化层替换上述移动窗口多头自注意力组成另一个双残差结构，并将细节特征信息H1和H2分别作为该双残差结构的输入，并通过一个卷积核为1*1的卷积层和归一化后得到融合特征信息R1和R2； S3、将融合特征信息RN1和RN2在通道上进行拼接得到融合后的特征图CN并作为N层上采样模块Block3的输入，得到一张多模态融合图像D； S4、将上述下采样模块Block1、注意力模块Block2和上采样模块Block3构建一个用于多模态图像融合端对端的神经网络Net，初始化神经网络的权重和偏置参数，并将输出的多模态融合图像D与不同成像模式下拍摄的多模态图像A1和A2做损失函数Loss，计算损失函数值的梯度做反向传播以更新下采样模块Block1、注意力模块Block2和上采样模块Block3的参数； S5、使用不同成像模式的相机拍摄2000组多模态图像作为神经网络Net的输入，训练神经网络Net直至损失函数Loss达到收敛，则停止更新网络模型参数，得到一个训练完成的神经网络Net。

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广东工业大学，其通讯地址为：510009 广东省广州市东风东路729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。