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！

龙图腾网获悉西安理工大学申请的专利基于轻量特征提取和颜色恢复的弱光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：CN117115058B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202311082633.7，技术领域涉及：G06T5/50；该发明授权基于轻量特征提取和颜色恢复的弱光图像融合方法是由金海燕;杨越;苏浩楠;张园林;肖照林;王彬设计研发完成，并于2023-08-25向国家知识产权局提交的专利申请。

本基于轻量特征提取和颜色恢复的弱光图像融合方法在说明书摘要公布了：本发明公开了基于轻量特征提取和颜色恢复的弱光图像融合方法，通过轻量的特征提取模块LFE轻量化提取图像的局部特征和全局特征，可以最大限度地保留图像特征；使用融合模块FB进行图像融合和重建，得到能够准确描述输入图像对细节特征的灰度融合图像；使用颜色恢复网络CR对灰度融合图像进行着色，得到更符合人类视觉感知的彩色融合图像；再加上权重自适应的损失函数，自适应地调整损失函数的权重，以约束网络达到最优的融合结果。

本发明授权基于轻量特征提取和颜色恢复的弱光图像融合方法在权利要求书中公布了：1.基于轻量特征提取和颜色恢复的弱光图像融合方法，其特征在于，构建融合图像的网络，包括轻量的特征提取模块、特征融合模块、颜色恢复网络；所述轻量的特征提取模块轻量化提取图像的局部特征和全局特征，所述使用融合模块进行图像融合和重建，得到输入图像对细节特征的灰度融合图像；所述颜色恢复网络对灰度融合图像进行着色，得到符合人类视觉感知的彩色融合图像；再加上权重自适应的损失函数，自适应地调整损失函数的权重，得到最优的融合结果；具体按照以下步骤实施： 步骤1、构建融合图像的网络，包括轻量的特征提取模块、特征融合模块、颜色恢复网络； 步骤2、采集同一弱光场景下的红外图像和可见光图像，通过轻量的特征提取模块对红外图像和可见光图像进行特征提取，得到局部特征和全局特征； 步骤2、通过特征融合模块将图像的局部特征和全局特征融合在一起，得到融合特征；根据融合特征重建出能够准确描述输入图像对细节特征的灰度融合结果； 步骤3、通过颜色恢复网络对灰度融合图像进行着色，得到人类视觉感知的彩色融合图像； 步骤4、设计基于颜色一致性损失和结构相似性损失的权重自适应损失函数，自适应地调整损失函数的权重，多个损失通过共享信息，相互补充，最终得到最优融合图像的网络；将可见光图像从RGB颜色空间转换为YCbCr颜色空间，并提取可见光图像的Cb和Cr通道，其中包含色彩信息；通过将灰度融合结果与可见光图像的Cb和Cr通道进行拼接，得到的3通道图像作为颜色恢复网络的输入，通过颜色恢复网络转换回RGB颜色空间，得到色彩丰富的融合图像； 步骤4具体过程为： 步骤4.1、设计权重自适应的损失函数包括两部分，分别是、，对损失函数进行了优化以实现无监督学习，是红外图像和可见光图像之间结构相似性的有效度量，结合结构和对比度两个分量综合测量图像质量，表示颜色一致性损失函数；选取权重自适应的损失函数，k表示损失函数的个数，W是每个损失函数的权重，b是每个损失函数的偏置，权重自适应的损失函数表示为如下公式6： 6； 步骤4.2、计算可见光图像和3通道图像的平均像素值和，如果，那么计算可见光图像融合的SSIMM损失函数值，否则，计算用于3通道图像融合的SSIMM损失函数，将计算结果作为分数的值，然后计算红外图像和可见光图像之间结构相似性的有效度量； 步骤4.3、根据输入灰度融合图像、3通道图像和彩色融合结果，计算输入图像和输出的融合图像之间的差异，计算公式如下： 11； 其中，C表示图像中的通道数，表示在R、G、B通道上，融合图像与原始可见图像之间的离散余弦相似度的逐像素计算，K表示图像中的像素数，i表示R、G、B中的元素； 步骤4.4、动态学习损失权重，将、通过自适应权重共享信息，相互补充，更新网络参数，使得网络逐渐收敛，得到最优融合图像的网络； 步骤5、对于最优融合图像的网络进行训练70个Epoch，得到训练后的最优融合图像网络； 步骤6、将待增强弱光图像输入训练后的最优融合图像网络，得到带有颜色的弱光增强的图像。

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安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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。