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！

龙图腾网获悉西北工业大学申请的专利一种参数智能学习的红外双波段图像特征级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：CN115423730B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202210853527.3，技术领域涉及：G06T5/50；该发明授权一种参数智能学习的红外双波段图像特征级融合方法是由李少毅;张雅淇;杨曦;孙扬设计研发完成，并于2022-07-08向国家知识产权局提交的专利申请。

本一种参数智能学习的红外双波段图像特征级融合方法在说明书摘要公布了：本发明涉及一种参数智能学习的红外双波段图像特征级融合方法，结合深度学习方法，构建无监督深度学习网络，利用神经网络算法分类与感知特性得到特征自适应融合参数矩阵，结合传统特征级图像融合算法，得到一种参数智能学习的红外双波段图像特征级融合方法，解决空战环境中复杂多变背景下融合参数智能选择的问题。本方法通过利用深度神经网络，改变了原有传统特征级图像融合方法在不同环境下需人为设置融合参数的问题，使得算法可以不依赖人为选择，根据环境背景自主生成融合所需参数，实现图像融合。

本发明授权一种参数智能学习的红外双波段图像特征级融合方法在权利要求书中公布了：1.一种参数智能学习的红外双波段图像特征级融合方法，其特征在于步骤如下： 步骤1：对红外中波、长波图像数据进行配准，保留图像背景重叠部分，将两幅图像裁剪成相同大小，接着对图像进行缩放操作，将图像大小统一缩放到640×640，得到的图像数据集Image＝{IRm1,IRl1,IRm2,IRl2,...IRmn,IRln}，数据图像两张为一组，其中IRm表示中波图像，IRl表示长波图像； 步骤2：数据集分为两组Imagetrain和Imagetest，Imagetrain图像作为训练样本，Imagetest作为测试样本； 步骤3：构建深度学习网络，网络输入图像大小为640×640，输出为特征级图像融合方法融合参数矩阵，其大小与所选传统特征融合算法所采用特征数相同，网络本质为分类网络； 融合参数生成公式如下： Aa1,a2,...,an＝FuseClassificationIRm,IRl 其中A为融合参数矩阵，参数个数为n； 步骤4：采用传统特征级融合方法，将步骤2训练集中的中波、长波图像进行特征提取，将图像转为传统特征： FeaturemFm1,Fm2,...,Fmn＝FEIRm FeaturelFl1,Fl2,...,Fln＝FEIRl 其中：FE*为传统特征提取方法； 步骤5：将步骤3的特征级图像融合参数作为步骤4的传统特征的融合参数矩阵，融合参数矩阵A与特征Featurem的哈达玛积加上I-A与特征Featurel的哈达玛积作为融合特征，具体融合公式如下： FeaturefuseFfuse1,Ffuse2,...Ffusen＝AFeaturem+I-AFeaturel 其中：Featurefuse为融合后特征； 步骤6：利用传统特征提取算法，对步骤5的融合后特征进行逆变换，得到融合后图像，至此完成融合模型构建，具体模型： IRfuse＝FE-1Featurefuse 步骤7：将训练数据集输入融合模型进行训练，得到深度学习图像融合参数模型； 步骤8：将图像步骤2测试集中的中波、长波图像分组输入模型，得到融合参数，根据融合图像融合公式得到融合图像。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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”。