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！

龙图腾网获悉四川轻化工大学申请的专利一种基于鲁棒自稀疏模糊聚类的多尺度分解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：CN118887099B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202410821786.7，技术领域涉及：G06F17/40；该发明授权一种基于鲁棒自稀疏模糊聚类的多尺度分解方法是由赵良军;王银清;张远洋设计研发完成，并于2024-08-29向国家知识产权局提交的专利申请。

本一种基于鲁棒自稀疏模糊聚类的多尺度分解方法在说明书摘要公布了：本发明涉及图像处理技术领域，具体涉及一种基于鲁棒自稀疏模糊聚类的多尺度分解方法，该方法结合高斯度量下的正则化技术获得稀疏模糊隶属度，自动识别并剔除噪声干扰，同时基于区域密度平衡策略的连通分量滤波，自适应消除小区域干扰，更加有效的提取图像的纹理和目标信息。在融合策略上采用形态异构处理平衡红外与可见光的明暗对比度，并利用红外与可见光图像的差异信息丰富底层图像。然后对红外与可见光图像中的高频分量进行线性组合，最大化地保留红外目标信息和可见光细节纹理，获得清晰丰富的融合图像。本发明不仅有效保留了红外目标的显著信息和可见光的纹理细节，生成了一幅清晰且符合人类视觉特性的融合图像，同时具有出色的计算效率。

本发明授权一种基于鲁棒自稀疏模糊聚类的多尺度分解方法在权利要求书中公布了：1.一种基于鲁棒自稀疏模糊聚类的多尺度分解方法，其特征在于：包括如下步骤： S1、采用结合了高斯度量下的正则化技术的自稀疏模糊C均值聚类算法对像素进行聚类，平滑相似像素和不同像素区域间的梯度信息； S2、采用基于面积密度平衡策略的连通分量滤波算法，自适应地合并过小的聚类区域，将局部信息整合到特征提取过程中； S3、对底层信息进行形态学异构处理并利用红外与可见光图像的差异信息丰富底层图像； S4、针对不同层次的特征信息，采用不同的融合策略，以最大化地保留红外目标信息和可见光细节纹理，最终实现图像融合；具体的： S41、底层基础构建 首先，取可见光和红外线图像中底层信息的最小值，将可见光图像和红外线图像的底层信息进行融合； MF＝minMIRx,y+MVISx,y17 其中，MIR表示红外线图像的底层信息，MVIS表示可见光图像的底层信息，x,y表示像素值位置，MF表示底层图层融合后的结果； 其次，将源图的增强型混合图像IE和减弱型混合图像ID，融入到底层图像中，使得底层图像获取更多的图像信息；其表达式如下： IEx,y＝maxI1x,y,I2x,y18 IDx,y＝minI1x,y,I2x,y19 其中，I1是源图像I经直方图增强后与源图像进行自适应线性相加的结果，I2表示红外线源图像，x,y表示像素值位置； 最后，分别将源图的增强型混合图像IE和减弱型混合图像ID与底层图层MF进行融合；其中，增强型混合图像和减弱型混合图像的权重分别设为α和β，其纹理增强后新的底层图层信息IZ表达式如下： IZ＝MF+α×IE-β×ID20； 其中IZ表示纹理增强后的底层图层信息，MF表示底层图层融合后的结果，IE表示增强型混合图像，ID表示减弱型混合图像，α和β为权重； S42、高频细节处理 在完成了底层图层的有效融合之后，将各个原始图像的高频细节部分以线性加权的方式精细地融入到底层融合层中，从而生成了最终的图像融合结果；其中，针对红外与可见光图像所提取的亮细节，采用线性叠加的策略进行细致处理，其表达式如下所示： HF＝HIR+HVIS21 其中，HF表示融合后的亮细节部分，HIR表示红外线图像的亮细节，HVIS表示可见光图像的亮细节部分； 取红外线与可见光的暗细节部分的最小值minLIRx,y,LVISx,y，作为融合后的暗细节。

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四川轻化工大学，其通讯地址为：643000 四川省自贡市汇兴路学苑街180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”。