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！

龙图腾网恭喜大连大学申请的专利一种基于多维协同细化网络的多曝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：CN114648508B 。

龙图腾网通过国家知识产权局官网在2025-03-07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：202210300386.2，技术领域涉及：G06T7/00；该发明授权一种基于多维协同细化网络的多曝光图像融合方法是由周士华;李嘉伟;胡轶男设计研发完成，并于2022-03-25向国家知识产权局提交的专利申请。

本一种基于多维协同细化网络的多曝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多维协同细化网络的多曝光图像融合方法，包括：构建协同提取模块CEM，以获取图像的浅层特征和深层特征；通过自注意力模块SAM得到注意特征图；利用边缘修正模块ERM对提取的图像特征边缘纹理进行修正；采用两种损失函数组合训练图像融合网络，所述图像融合网络包括协同提取模块CEM、自注意力模块SAM和边缘修正模块ERM。本申请为了提高融合图像的质量，避免出现伪影，设计了协同提取模块对图像特征进行提取和优化。在自注意力模块的配合下，多曝光融合图像的纹理、亮度和颜色更加突出；边缘修正模块对CEM和SAM起到了补充作用，它可以减小不同尺度下噪声对特征的影响，增强特征映射的纹理细节，保证融合结果的边缘效果。

本发明授权一种基于多维协同细化网络的多曝光图像融合方法在权利要求书中公布了：1.一种基于多维协同细化网络的多曝光图像融合方法，其特征在于，包括：构建协同提取模块CEM，以获取图像的浅层特征和深层特征；通过自注意力模块SAM得到注意特征图；利用边缘修正模块ERM对提取的图像特征边缘纹理进行修正；采用两种损失函数组合训练图像融合网络，所述图像融合网络包括协同提取模块CEM、自注意力模块SAM和边缘修正模块ERM；所述协同提取模块CEM提取图像特征的过程用以下公式量化表示： 其中i表示曝光过度或过低的源图像，表示经过3×3卷积层的特征映射；P·代表多维池化特征提取器，C·代表协调注意块CA生成的内容；在所述协同提取模块中，首先通过两个3×3和一个1×1的卷积层对输入图像进行浅层特征提取；在特征提取器上增加三个协调注意块CA，并将其连接起来，通过所述协调注意块CA引导特征学习；同时采取Maxpooling和Avgpooling操作对深度特征图进行压缩，然后将两个池化层生成的不同特征序列串联起来，并放大各特征细节，在重复一次相同的池化操作后，提取的深层特征经过3×3和1×1卷积层进行上采样；最后通过元素加法和连接操作，将浅层特征与深层特征结合起来；所述自注意力模块SAM通过前两个3×3卷积层得到原始注意特征Fo后，使用1×1卷积层分别在第一分支、第二分支得到对应的特征空间fa和fb；对所述特征空间fa和fb进行扁平化运算，并对特征空间fa做转置运算得到特征权重图Wa和Wb；通过引入矩阵乘法和softmax函数归一化运算来获取注意图A1，公式为： 其中k表示特征权重图中的像素总数；通过上述类似地方法，在第三分支上得到注意图A2：A2＝softmaxA1×fc其中，fc为在第三分支上的特征空间；对原始注意特征Fo进行上采样操作，对所述注意图A1和注意图A2做矩阵乘法运算，得到最终的注意特征图，其量化为： 在每个1×1卷积层、3×3卷积层后面添加BN层，并使用LeakyReLU作为激活函数；所述边缘修正模块ERM利用空间梯度滤波器FG对图像边缘纹理细节进行优化，其方式如下： 将放入两个3×3卷积层中完成边缘的细化；其中M和N分别表示[1,m]和[1,n]的范围；i是特征图的水平像素，j是特征图的垂直像素；表示大小为m×n的边缘梯度图E，用公式表示为： 其中，plt、pbt分别是pt左侧和下方的像素。

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大学，其通讯地址为：116622 辽宁省大连市经济技术开发区学府大街10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”。