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！

龙图腾网获悉深圳供电局有限公司申请的专利基于生成对抗网络的多光谱图像融合模型的建立方法及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：CN116188922B 。

龙图腾网通过国家知识产权局官网在2026-01-20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：202211542976.2，技术领域涉及：G06V10/80；该发明授权基于生成对抗网络的多光谱图像融合模型的建立方法及融合方法是由张林;李艳;田杰;刘子俊;杜进桥设计研发完成，并于2022-12-02向国家知识产权局提交的专利申请。

本基于生成对抗网络的多光谱图像融合模型的建立方法及融合方法在说明书摘要公布了：本发明公开了一种基于生成对抗网络的多光谱图像融合模型的建立方法，其包括：建立包含红外光图片、可见光图片的训练集及验证集；分别将训练集中的图片对输入一个具有残差模块的生成器中，生成融合图像；将融合图像分别输入至两个具有DROPOUT层的判别器中进行判别处理；根据计算判别器损失函数值以及生成器损失函数值，更新生成器参数和判别器参数，直至损失收敛，获得训练好的生成器和判别器；采用验证集对训练好的生成器和判别器进行验证，在通过验证后，根据生成器获得多光谱图像融合模型。本发明还公开了相应的图像融合方法。实施本发明，可以避免模型训练过程中的过拟合问题，以及减少训练资源的训练时间，提高了融合模型的融合效果。

本发明授权基于生成对抗网络的多光谱图像融合模型的建立方法及融合方法在权利要求书中公布了：1.一种基于生成对抗网络的多光谱图像融合模型的建立方法，其特征在于，至少包括如下步骤： 步骤S10，建立训练集及验证集，所述训练集及验证集中均包括多组图片对，每一组图片对包括同一位置拍摄的红外光图片、可见光图片的灰度值图片； 步骤S11，分别将训练集中的每组图片对输入一个具有残差模块的生成器中，生成融合图像； 步骤S12，将所述图片对结合融合图像分别输入至两个具有DROPOUT层的判别器中进行判别处理，获得所述图片对中两张图像的判断值，并计算判别器损失函数值，以及计算生成器损失函数值； 步骤S13，根据所述判别器损失函数值以及生成器损失函数值，进行反向传播计算，更新生成器参数和判别器参数，直至生成器和判别器损失收敛，获得训练好的生成器和判别器； 步骤S14，采用验证集对所述训练好的生成器和判别器进行验证，在通过验证后，根据所述生成器获得多光谱图像融合模型； 其中，所述步骤S11进一步包括： 步骤S110，获得采用model.py文件编写的生成器，所述生成器包含输入层、残差模块组以及输出层； 其中，所述输入层包含卷积、PRELU激活函数处理层；残差模块组包含多个残差模块，每一残差模块包含卷积、批归一化、PRELU激活函数、卷积、批归一化以及元素智能相乘处理层；所述输出层包含卷积、PRELU激活函数及卷积处理层； 步骤S111，随机将训练集中的图片对输入到所述具有残差模块的生成器中，生成融合图像； 其中，所述步骤S12进一步包括： 步骤S120，获得两个采用model.py文件编写的判别器，每一判别器均包含6层，前五层均包含有卷积、批归一化、Leaky激活函数、卷积、批归一化以及池化处理层；第六层包含有DROPOUT层、卷积及池化处理层； 步骤S121，将所述融合图像输入所述两个判别器，其中一判别器对所述融合图像与图像对中的红外光灰度值图片进行判别；另一判别器对所述融合图像与所述图像对中的可见光灰度值图片进行判别； 步骤S122，获取在loss.py文件中编写的损失函数，对判别器的损失函数值进行计算。

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深圳供电局有限公司，其通讯地址为：518000 广东省深圳市罗湖区深南东路4020号电力调度通信大楼；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。