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！

龙图腾网获悉浙江大学申请的专利基于无监督深度学习的多光照角度航天器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：CN115511763B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202211203401.8，技术领域涉及：G06T5/50；该发明授权基于无监督深度学习的多光照角度航天器图像融合方法是由向澳;张育林;徐韵;范丽;何云瀚;邱炜设计研发完成，并于2022-09-29向国家知识产权局提交的专利申请。

本基于无监督深度学习的多光照角度航天器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无监督深度学习的多光照角度航天器图像融合方法，包括以下步骤：获取多光照角度下航天器图像构建数据集；将两张不同图像转换到YCbCr颜色空间，Cb和Cr通道进行加权融合；构建编码器‑解码器架构卷积神经网络，在自然图像数据集上训练，得到最优模型，输入两图像的Y通道，通过编码器提取特征并通根据特征映射的活动水平融合输入特征，解码器重构为新的Y通道；并与Cb、Cr通道重组得到融合图像并转换回BGR空间。本发明在大型自然图像数据集上进行编码器解码器训练，避免直接在多光照角度航天器图像数据集上训练引起过拟合，根据特征映射的活动水平计算融合权重，更好地融合不同光照角度航天器图像中的互补信息。

本发明授权基于无监督深度学习的多光照角度航天器图像融合方法在权利要求书中公布了：1.一种基于无监督深度学习的多光照角度航天器图像融合方法，其特征在于，包括如下步骤： S1、获取多光照角度下的航天器图像构建数据集；该数据集包括多组不同视角下航天器图像序列，每组图像序列为航天器在同一视角下不同光照角度的图像； S2、将同一视角下两张不同光照角度的图像从蓝绿红空间转换到优化彩色视频信号空间，将两张图像的蓝色色度分量通道和红色色度分量通道分别进行加权融合得到新的蓝色色度分量通道和红色色度分量通道； S3、构建基于编码器-解码器架构的卷积神经网络，在自然图像数据集上进行训练，得到泛化性能良好的编码器和解码器，将两张图像的亮度分量通道作为编码器的输入，通过编码器提取特征并根据特征映射的活动水平计算融合权重，根据融合权重融合输入特征，融合输入特征后使用解码器重构为新的亮度分量通道； 训练卷积神经网络使用的损失函数包括均方误差损失、结构相似性损失和总变差损失，这三种损失函数计算原理如下： 首先是均方误差损失用于评估两幅图像之间的重建效果，其表示为输入图像yi和输出图像yo之差平方的期望值，均方误差损失lmse计算公式如下： lmse＝||yo-yi||2 卷积神经网络输入图像yi和输出图像yo的亮度差异lyi,yo，对比度差异cyi,yo和结构差异syi,yo由以下公式计算： 其中和为输入图像yi的均值和标准差；其中和为输出图像yo的均值和标准差，为输入图像yi和输出图像yo的协方差；c1，c2，c3是正值常数用于防止公式计算出现除0的异常；两张图像的结构相似性指数SSIMyi,yo由下式计算： 结构相似性损失lssim表示为： lssim＝1-SSIMyi,yo 总变差损失主要关注的是图像重建过程中的图像梯度信息保留，同时进一步消除噪声，总变差损失ltv计算公式如下： Rx,y＝yox,y-yix,y 其中x，y表示图像的横纵坐标值，yox,y和yix,y表示该横纵坐标处的输出和输入图像像素值，Rx,y表示输入输出图像在x,y处的像素值差异，||·||2表示二范数； S4、将卷积神经网络生成的亮度分量通道与加权融合得到的蓝色色度分量、红色色度分量通道重组得到融合图像并转换回蓝绿红空间。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。