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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利超低照度下基于耦合学习的多通道图像融合方法及系统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：CN117115611B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202311156106.6，技术领域涉及：G06V10/80；该发明授权超低照度下基于耦合学习的多通道图像融合方法及系统是由刘煜;赖世铭;谭瀚霖;刘姝;王科选设计研发完成，并于2023-09-08向国家知识产权局提交的专利申请。

本超低照度下基于耦合学习的多通道图像融合方法及系统在说明书摘要公布了：本发明提供了超低照度下基于耦合学习的多通道图像融合方法及系统，包括根据预设样本数量的微光图像数据集，进行数据预处理，进而进行光度特征信息提取，包括：构建光照感知信息提取的多级注意力模型，构建光度信息提取网络输出图像的光度概率，搭建提取相同目标公共重要特征的辅助模块，使用卷积降维的方法保留筛选出各通道图像的最优特征；根据微光图像数据集包含的图片，训练多通路图像融合框架，包括：合成学习阶段和逆向优化阶段，融合形成多通路图像融合框架；将经过数据预处理后的图片输入多通路图像融合框架，输出融合后的图像。本发明提出的多通道图像融合方法，能够在有效保留各图像中光照强度和前后景信息的同时，减少网络在学习过程中出现有效信息缺失和无效信息冗余的现象。

本发明授权超低照度下基于耦合学习的多通道图像融合方法及系统在权利要求书中公布了：1.一种超低照度下基于耦合学习的多通道图像融合方法，其特征在于，所述方法包括以下步骤： 步骤S1：根据预设样本数量的微光图像数据集，进行数据预处理； 步骤S2：根据微光图像数据集，进行光度特征信息提取，包括：构建光照感知信息提取的多级注意力模型，进而构建光度信息提取网络输出图像的光度概率，构建提取相同目标公共重要特征的辅助模块，进而使用卷积降维的方法保留筛选出的最优特征； 步骤S3：根据微光图像数据集包含的图片，训练多通路图像融合框架，包括：合成学习阶段和逆向优化阶段，进而将合成学习阶段和逆向优化阶段融合形成多通路图像融合框架； 所述合成学习阶段的方法包括： 步骤S30：给定预设数量配准对齐的图片，且将所述图片导入多通路图像融合框架； 步骤S31：通过多通路图像融合框架将所述图片融合，生成融合图像； 所述逆向优化阶段的方法包括： 步骤S32：通过学习源图像中的前后景特征对融合图像进行约束； 步骤S33：结合源图像的特征，提供最优的融合权值，得到信息丰富、细节充足、目标突出的融合图像； 步骤S4：将经过数据预处理后的图片输入多通路图像融合框架，输出融合后的图像。

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中国人民解放军国防科技大学，其通讯地址为：410072 湖南省长沙市开福区三一大道国防科技大学；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。