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！

龙图腾网获悉上海无线电设备研究所申请的专利基于多波段视觉图像感知与融合的显著性目标检测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：CN117132759B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202310969057.1，技术领域涉及：G06V10/25；该发明授权基于多波段视觉图像感知与融合的显著性目标检测方法是由董洪文;魏飞鸣;孙高;盛佳恋设计研发完成，并于2023-08-02向国家知识产权局提交的专利申请。

本基于多波段视觉图像感知与融合的显著性目标检测方法在说明书摘要公布了：本发明提供一种基于多波段视觉图像感知与融合的显著性目标检测方法，其包含：步骤1：构建多波段视觉图像训练样本集，对扩充后的训练样本集进行标注；步骤2：构建孪生骨干网络模型，提取多层级特征信息；步骤3：构建多尺度特征提取网络模块，对各层级特征信息提取多尺度特征信息；步骤4：构建注意力机制模块，输出可见光注意力特征图和热红外注意力特征图；步骤5：构建特征融合模块，以步骤4输出的可见光注意力特征图和热红外注意力特征图作为输入，通过加法、乘法和顺序拼接操作将其融合，形成预测输出的目标特征图，完成显著性目标的检测。本发明充分利用多波段视觉图像信息，可以实现多波段视觉图像中的目标识别，还可提高识别的精度。

本发明授权基于多波段视觉图像感知与融合的显著性目标检测方法在权利要求书中公布了：1.一种基于多波段视觉图像感知与融合的显著性目标检测方法，其特征在于，包括： 步骤1：构建多波段视觉图像训练样本集，采用数据增强技术对训练样本集进行扩充，对扩充后的训练样本集进行标注； 步骤2：构建孪生骨干网络模型，分别以扩充后的训练样本集中的可见光图像和热红外图像作为输入对象，提取多层级特征信息；其中，构建的孪生骨干网络模型包括两路相同的第一骨干网络模型和第二骨干网络模型；所述第一骨干网络模型和所述第二骨干网络模型分别包括图像分块层、线性嵌入层、图像块合并层、以及多个深度自注意力变换网络模块，用于提取多层级特征信息； 步骤3：构建多尺度特征提取网络模块，以步骤2输出的多层级特征信息作为输入，分别对各层级特征信息提取多尺度特征信息；其中，构建的多尺度特征提取网络模块包括4个并行排列的带有不同空洞卷积率的卷积层，每一个空洞卷积层采用3×3卷积核并结合不同空洞卷积率d获取多尺度特征信息，所述不同空洞卷积率为； 步骤4：构建注意力机制模块，注意力机制模块包括通道注意力和空间注意力；以步骤3获取的各层级多尺度特征信息作为输入，计算可见光和热红外分别对应的空间注意力特征和通道注意力特征；将可见光的空间注意力特征和热红外的空间注意力特征相乘获得第一乘积特征图，并将该第一乘积特征图分别与可见光的通道注意力特征和热红外的通道注意力特征相乘，输出可见光注意力特征图和热红外注意力特征图； 步骤5：构建特征融合模块，以步骤4输出的可见光注意力特征图和热红外注意力特征图作为输入，通过加法、乘法和顺序拼接操作将其融合，形成最终作为预测输出的目标特征图，完成显著性目标的检测； 步骤6：构建混合函数作为整体网络模型优化的损失函数，所述整体网络模型包括所述孪生骨干网络模型、所述多尺度特征提取网络模块、所述注意力机制模块以及所述特征融合模块；通过随机梯度下降算法优化网络模型；所述混合函数的表达式为： 其中Lbce，Liou，Lssim，分别表示交叉熵损失函数，交并比损失函数和结构相似性指标损失函数；，，表示平衡参数。

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上海无线电设备研究所，其通讯地址为：201109 上海市闵行区中春路1555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。