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！

龙图腾网获悉电子科技大学申请的专利一种基于深度学习的跨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：CN120852190B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202511349433.2，技术领域涉及：G06T5/50；该发明授权一种基于深度学习的跨模态图像融合方法是由何涛;唐伟翔;段贵多;戴瑞婷;罗光春;韦仕才设计研发完成，并于2025-09-22向国家知识产权局提交的专利申请。

本一种基于深度学习的跨模态图像融合方法在说明书摘要公布了：一种基于深度学习的跨模态图像融合方法，涉及计算机视觉与图像处理技术，旨在解决现有图像融合方法中存在的结构失真、纹理丢失及计算开销过高的问题。本发明首先引入状态空间模型，在建模远距离依赖时具备线性复杂度，大幅减少计算开销，在保证融合质量的同时提升了系统运行效率，适用于资源受限场景的部署与应用。本发明还通过动态特征增强与跨模态融合机制，可自动提取差异性与互补信息，有效避免传统方法中因人工特征选择而导致的细节遗漏或信息偏置问题。基于本发明的方案，可以充分融合来自不同模态的图像信息，自动生成具备更强细节保留和结构一致性的融合图像，便于后续目标检测、医学诊断等任务的开展，提升图像使用效率和智能化水平。

本发明授权一种基于深度学习的跨模态图像融合方法在权利要求书中公布了：1.一种基于深度学习的跨模态图像融合方法，其特征在于，包括以下步骤： 步骤1：获得不同模态的图像样本对，对图像尺寸和格式进行统一化处理，输入至多层编码解码结构的图像特征提取网络； 步骤2：图像特征提取网络通过动态视觉状态空间模块，结合动态局部卷积和高效通道注意力机制，分别对不同模态的图像样本提取局部与全局特征； 步骤3：通过动态特征融合模块，其中包含动态特征增强模块和跨模态融合Mamba模块，实现不同模态图像特征之间的动态交互和差异特征增强，并进一步挖掘跨模态之间的关联信息，得到融合图像特征；然后经过解码器生成融合图像； 步骤4：利用联合损失函数训练，得到训练好的图像特征提取网络，将训练好的图像特征提取网络用于图像融合任务中； 所述步骤2具体如下：首先搭建图像特征提取网络，结构上借鉴U-Net网络的编码解码对称设计，每层包含两个动态视觉状态空间模块； 所述动态视觉状态空间模块包括状态空间建模单元、动态局部卷积单元和通道注意力机制单元，三者串联组成，单元间通过跳跃连接传递特征；各单元具体如下： 状态空间建模单元使用状态空间模型提取全局上下文特征，将状态空间公式转为离散化一维卷积形式： ； 其中为一维卷积核，为一维序列长度，表示卷积操作，为经过一维卷积后的中间特征图；为图像样本嵌入表示，为状态转移矩阵，为输入投影矩阵，为输出投影矩阵，为恒等映射矩阵； 所述动态局部卷积单元通过动态局部卷积增强纹理细节，动态局部卷积包括普通卷积和可学习卷积，可学习卷积通过设置局部邻域中的相对位置偏移量和可学习的卷积核参数实现； 所述通道注意力机制单元使用高效通道注意力机制增强关键通道表达；首先一维卷积后的中间特征图经过高效状态空间建模模块提取第二中间特征，然后经过层标准化操作后输入高效通道注意力机制，得到的结果与动态局部卷积单元的结果和第二中间特征相加，得到最终的输出特征图。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。