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！

龙图腾网获悉大连理工大学申请的专利一种基于状态空间模型的红外光与可见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：CN120318632B 。

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：202510401079.7，技术领域涉及：G06V10/80；该发明授权一种基于状态空间模型的红外光与可见光图像融合方法是由张平平;唐彤丹;吕龙;徐齐;孙珲;田丰;孙卫兵;卢湖川设计研发完成，并于2025-04-01向国家知识产权局提交的专利申请。

本一种基于状态空间模型的红外光与可见光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状态空间模型的红外光与可见光图像融合方法，包括以下步骤：收集数据，获取成对的红外光与可见光图像数据；划分数据集，将获取的图像数据集划分成训练集和测试集；数据规整，将各个图像的尺寸缩放至相同大小，然后把图像的像素值的范围标准化到0和1之间；训练基于状态空间模型的图像融合模型；测试模型效果。本发明相比于其他方法，可以合理地融合不同模态的互补信息，得到信息丰富的融合图像，从而可以辅助交通、军事等领域从业人员的工作，具有较好的市场应用前景；有效地利用了状态空间模型的优势，并在空域与和频域上弥补其不足，形成了一个端到端的学习框架，可以为后续的图像融合任务提供必要的基础和支撑。

本发明授权一种基于状态空间模型的红外光与可见光图像融合方法在权利要求书中公布了：1.一种基于状态空间模型的红外光与可见光图像融合方法，其特征在于，包含步骤如下： 步骤一：收集数据，获取成对的红外光与可见光图像数据； 步骤二：划分数据集，将获取的红外光与可见光图像数据集划分成训练集和测试集； 步骤三：数据规整，利用缩放将各个图像的尺寸缩放至相同大小，然后把图像的像素值的范围标准化到0和1之间； 步骤四：训练网络模型，利用训练集对基于状态空间模型的IVIF模型进行训练，观测训练时损失函数值的变化，并在损失数值收敛时终止训练，得到当前训练好的融合模型； 基于状态空间模型的IVIF模型包括两个图像重建分支和一个图像融合分支；其中两个图像重建分支结构相同，包括初级卷积层和特征提取模块：空频增强Mamba模块SFMB；图像融合分支包括初级卷积层、特征提取模块SFMB和特征融合模块：动态融合Mamba模块DFMB； 空频增强Mamba模块SFMB中包括混合尺度状态空间模型模块MMB、通道增强模块CEB以 及频域增强模块FEB，给定输入特征，其表示为： ； ； ； ； ； 其中，为层归一化； 混合尺度状态空间模型模块，用于在空域的空间维度上增强状态空间模型，包括线性 层、卷积核大小为3x3的卷积层、状态空间模型层、上采样层、下 采样层、SiLU激活函数以及层归一化，给定输入特征，其表示为： ； ； ； ； 通道增强模块，用于在空间域的通道维度上增强状态空间模型，包括全局最大池化、全局平均池化、卷积核大小为1x1的卷积层、ReLU激活函数以及 Sigmoid激活函数，给定输入特征，经过卷积层和通道分离成后，随后分别输入 到两个分支，其表示为： 最后再把进行通道混合，然后加上跳跃连接的特征得到输出 频域增强模块，用于在频域的幅值谱和相位谱上增强状态空间模型，包括快速傅里叶 变换、卷积层、ReLU激活函数以及逆快速傅里叶变换，给定输入特征，经过快速傅里叶变 换后分别得到和，随后分别输入到两个分支，其表示为： ； 最后再把和经过逆快速傅里叶变换变换到空间域，和输入相加得到输出； 动态融合Mamba模块DFMB用于对三个任务分支的特征进行整合，包括线性层、卷积层、 SiLU激活函数、Sigmoid激活函数以及状态空间模型层，给定输入特征，和，在经过 层归一化后得到，和，随后的过程表示为： ； ； 其中，和表示可学习的缩放因子； 融合模型，使用损失函数对融合结果进行监督；总损失由强度误差损失和梯度误差损 失组成；把输入的红外光和可见光图像分别记为和，融合图像记为，强度误差损失 表示为： ； 其中，和分别为图像的长和宽，表示逐元素值的最大值选择，表示范 数；梯度误差损失表示为： ； 其中，代表Sobel梯度算子，代表绝对值操作； 步骤五：测试模型效果，将测试集中待融合的红外光与可见光图像输入到所述训练好的融合模型中，得到融合图像并测得指标。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。