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！

龙图腾网获悉长春工程学院申请的专利一种融入层特征的红外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：CN116934640B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202310705781.3，技术领域涉及：G06T5/50；该发明授权一种融入层特征的红外与可见光图像融合方法是由耿英楠;刁伟轩;安喆;纪秀;王晖设计研发完成，并于2023-06-15向国家知识产权局提交的专利申请。

本一种融入层特征的红外与可见光图像融合方法在说明书摘要公布了：一种融入层特征的红外与可见光图像融合方法，通过卷积神经网络，获得了红外图像和可见光图像的图像深度特征进而分别进入全连接层，得到权值；然后再提取两个图像的层特征；利用两个源图像的权值、各自的灰度图像像素值和两个源图像各自的层特征，在多尺度空间的每一层空间中进行融合；将多尺度空间各层空间中的融合图像进行图像重构，得到融合后的图像。在保持目标清晰度的同时，提高了目标和背景的对比度，解决了在背景细节区域模糊的问题，增强了图像融合效果，比现有CNN算法得到的融合图像质量高。而且并没有引入额外的训练参数，没有增加深度学习方法中训练的复杂度，能够用于清晰度要求较高的图像处理设备。

本发明授权一种融入层特征的红外与可见光图像融合方法在权利要求书中公布了：1.一种融入层特征的红外与可见光图像融合方法，包括下列步骤： 1CNN融合框架以红外图像和可见光图像分别为两个源图像，两个源图像各自经过三层卷积运算和线性校正单元ReLU，得到源图像的深度特征，然后两个源图像的深度特征分别进入全连接层，得到权值； 2利用第一层卷积运算和线性校正单元ReLU分别实现两个源图像的层特征提取； 3利用两个源图像的权值、各自的灰度图像像素值和两个源图像各自的层特征，在多尺度空间的每一层空间中进行融合； 4将多尺度空间各层空间中的融合图像进行图像重构，得到融合后的图像； 所述得到权值的方法包括： 1.1分别将红外与可见光图像作为源图像进行颜色空间转换，将彩色源图像由RGB颜色空间转换到灰度空间，得到各自灰度图像，公式如下： 其中，I为源图像在x，y位置处的灰度值，R、G、B是彩色图像中像素的红色、绿色和蓝色亮度值； 1.2将得到的源图像的灰度图经过第一层卷积运算和线性校正单元ReLU，得到源图像的Conv1层特征图，卷积核个数为64个，大小为33； 1.3将Conv1层特征图输入到第二层卷积运算和线性校正单元ReLU，得到源图像的Conv2层特征图，卷积核个数为128个，大小为33； 1.4将Conv2层特征图输入到最大池化层，得到源图像的特征图Conv2_pool； 1.5将特征图Conv2_pool输入到第三层卷积运算和线性校正单元ReLU，得到源图像的Conv3层特征图，Conv3层特征图即为源图像的深度特征； 1.6将红外与可见光两个源图像的深度特征进行全连接，得到红外与可见光图像的权值； 所述层特征的提取方法包括： 2.1因为卷积核个数为64个，所以得到的Conv1层特征是三维矩阵，将Conv1层特征图沿第三维进行拆分，得到64个二维特征图像； 2.2红外与可见光图像的层特征计算如下： 其中，LFA为红外图像的层特征，LFB为可见光图像的层特征；为红外图像的Conv1层二维特征图像，为可见光图像的Conv1层二维特征图像，L为常数64； 所述特征融合的方法包括： 3.1将红外与可见光图像的灰度值、两个源图像的权值以及两个源图像的层特征进行归一化处理； 3.2将归一化的源图像和层特征利用拉普拉斯金字塔进行分解，将归一化的权值利用高斯金字塔进行分解； 3.3在得到的分解的每一层中，用源图像的灰度值和层特征共同表示源图像的特征，具体计算如下： 其中，a和b为层特征和源图像的权重因子，a=0.2,b=0.8；和为红外和可见光图像灰度值；LFA和LFB分别为红外与可见光图像的层特征；和分别为红外与可见光图像的特征值； 3.4对红外和可见光图像特征进行显著度比较，得到相似度值，如下式： 其中，s为以像素x,y为中心的支持窗，大小为3*3；M为红外和可见光图像特征的相似度值，和分别为红外与可见光图像的特征值； 3.5根据相似度值，将红外与可见光图像的像素分成相似区和不相似区，M≥t为相似区，否则，为不相似区；式中，t＝0.6； 3.6在相似区中，采用基于权值的融合方法得到融合图像，具体如下式： 其中，FUx,y为融合图像，和分别为红外与可见光图像的特征值，w为权值； 在不相似区，采用基于最大值融合法得到融合图像，具体如下式： 其中，FUx,y为融合图像，和分别为红外与可见光图像的特征值。

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长春工程学院，其通讯地址为：130012 吉林省长春市朝阳区宽平大路395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。