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！

龙图腾网恭喜重庆邮电大学申请的专利一种基于多尺度形态学梯度的自适应简化脉冲耦合神经网络模型的遥感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：CN114494097B 。

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：202210132572.X，技术领域涉及：G06T5/50；该发明授权一种基于多尺度形态学梯度的自适应简化脉冲耦合神经网络模型的遥感图像融合方法是由罗小波;朱明设计研发完成，并于2022-02-14向国家知识产权局提交的专利申请。

本一种基于多尺度形态学梯度的自适应简化脉冲耦合神经网络模型的遥感图像融合方法在说明书摘要公布了：本发明属于遥感图像融合领域，具体涉及一种基于多尺度形态学梯度的自适应简化脉冲耦合神经网络模型的遥感图像融合方法；该方法包括：获取合成孔径雷达图像和多光谱图像；对合成孔径雷达图像分别进行高斯曲率滤波分解和高斯滤波分解，得到小尺度图像、大尺度图像和基尺度图像；对多光谱图像进行色彩饱和强度变换，得到强度图像；对基尺度图像和强度图像进行融合，得到近似图像；将近似图像、小尺度图像和大尺度图像融合，得到融合后的强度图像；对融合后的强度图像进行重构，得到融合后的遥感图像；本发明将尺度形态学梯度与自适应简化脉冲耦合神经网络结合，避免了块状效应和图像局部模糊的现象。

本发明授权一种基于多尺度形态学梯度的自适应简化脉冲耦合神经网络模型的遥感图像融合方法在权利要求书中公布了：1.一种基于多尺度形态学梯度的自适应简化脉冲耦合神经网络模型的遥感图像融合方法，其特征在于，包括：S1：获取合成孔径雷达图像和多光谱图像；S2：对合成孔径雷达图像分别进行高斯曲率滤波分解和高斯滤波分解，得到小尺度图像、大尺度图像和基尺度图像；S3：对多光谱图像进行色彩饱和强度变换，得到强度图像；S4：采用基于多尺度形态学梯度的自适应简化脉冲耦合神经网络模型对基尺度图像和强度图像进行融合，得到近似图像；基于多尺度形态学梯度的自适应简化脉冲耦合神经网络模型的构建过程包括：设置自适应参数，自适应参数包括输入图像的标准差关系值、连接强度、动态阈值的幅值以及动态阈值的衰减因子；根据自适应参数得到自适应简化脉冲耦合神经网络模型；自适应参数为：αF＝log1σS 其中，αF表示输入图像的标准差关系值，σS表示输入图像的标准差，S表示输入图像的像素值，βij′表示连接强度，m表示区域内的神经元个数，xkl表示中心像素的邻域神经元灰度值，表示区域内神经元灰度值的均值，k,l表示中心像素的邻域像素点，VE表示动态阈值的幅值，β′表示输入图像的标准差，αE表示动态阈值的衰减因子，S′表示归一化的Otsu阈值；采用多尺度形态学梯度模型分别提取基尺度图像的梯度特征和强度图像的梯度特征；采用多尺度形态学梯度模型提取图像的梯度特征的公式为： 其中，Gtx,y表示梯度特征，t表示尺度的个数，Ix,y表示输入图像，gtx,y表示结构元素，表示膨胀运算，Θ表示腐蚀运算；根据基尺度图像的梯度特征和强度图像的梯度特征分别得到基尺度图像的多尺度形态学梯度算子和强度图像的多尺度形态学梯度算子；采用基尺度图像的多尺度形态学梯度算子和强度图像的多尺度形态学梯度算子对自适应简化脉冲耦合神经网络模型进行调制，得到基于多尺度形态学梯度的自适应简化脉冲耦合神经网络模型；S5：将近似图像、小尺度图像和大尺度图像融合，得到融合后的强度图像；S6：采用色彩饱和强度逆变换对融合后的强度图像进行重构，得到融合后的遥感图像。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路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”。