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！

龙图腾网恭喜南昌工程学院申请的专利一种输变电设备巡检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：CN119540702B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202510073715.8，技术领域涉及：G06V10/80；该发明授权一种输变电设备巡检红外与可见光图像融合方法是由曾兵;巫平强;谢云敏;李得志;万好;刘邦;曾赟;华威;周志豪;陈显彪;陈宇聪;饶繁星;杨小品;张文华;彭聪;金子涵;周娱璐;易可欣;陈昱璋设计研发完成，并于2025-01-17向国家知识产权局提交的专利申请。

本一种输变电设备巡检红外与可见光图像融合方法在说明书摘要公布了：本发明公开了一种输变电设备巡检红外与可见光图像融合方法，S1：获取电力设备的红外图像与可见光图像，构建电力设备的图像数据集，并划分为训练集与测试集；S2：构建红外与可见光图像融合网络模型EIVFusion；S3：利用训练集中电力设备的红外图像与可见光图像对红外与可见光图像融合网络模型EIVFusion进行训练，得到训练好的红外与可见光图像融合网络模型EIVFusion；S4：将测试集中电力设备的红外图像与可见光图像输入训练好的红外与可见光图像融合网络模型EIVFusion中得到融合图像。本发明能够将可见光图像以及红外图像中的特征很好地提取出来并融合在一起，可实现输变电设备巡检红外图像与可见光图像的高性能融合。

本发明授权一种输变电设备巡检红外与可见光图像融合方法在权利要求书中公布了：1.一种输变电设备巡检红外与可见光图像融合方法，其特征在于，包括以下步骤：S1：获取电力设备的红外图像与可见光图像，构建电力设备的图像数据集，并划分为训练集与测试集；S2：构建红外与可见光图像融合网络模型EIVFusion，该模型包括三个阶段；第一阶段的输入为可见光图像与红外图像，可见光图像经过共享编码器提取可见光图像特征，然后可见光图像特征分为两支，一支可见光图像特征经过低频全局特征编码器提取可见光图像低频全局特征，一支可见光图像特征经过高频局部特征编码器提取可见光图像高频局部特征，可见光图像高频局部特征经过强化纹理与对比度模块处理得到可见光图像强化高频局部特征，可见光图像低频全局特征和可见光图像强化高频局部特征经过共享解码器得到重建可见光图像；红外图像经过红外图像预处理模块处理后经过共享编码器提取红外图像特征，然后红外图像特征分为两支，一支红外图像特征经过低频全局特征编码器提取红外图像低频全局特征，一支红外图像特征经过高频局部特征编码器提取红外图像高频局部特征，红外图像高频局部特征经过强化纹理与对比度模块处理得到红外图像强化高频局部特征，红外图像低频全局特征和红外图像强化高频局部特征经过共享解码器得到重建红外图像；第二阶段的输入为重建可见光图像与重建红外图像，重建可见光图像经过共享编码器提取重建可见光图像特征，然后重建可见光图像特征分为两支，一支重建可见光图像特征经过低频全局特征编码器提取重建可见光图像低频全局特征，一支重建可见光图像特征经过高频局部特征编码器提取重建可见光图像高频局部特征；重建红外图像经过共享编码器提取重建红外图像特征，然后重建红外图像特征分为两支，一支重建红外图像特征经过低频全局特征编码器提取重建红外图像低频全局特征，一支重建红外图像特征经过高频局部特征编码器提取重建红外图像高频局部特征；将重建可见光图像低频全局特征和重建红外图像低频全局特征输入低频全局特征融合层中得到低频全局融合特征，重建可见光图像高频局部特征经过强化纹理与对比度模块处理得到重建可见光图像强化高频局部特征，重建红外图像高频局部特征经过强化纹理与对比度模块处理得到重建红外图像强化高频局部特征，将重建可见光图像强化高频局部特征和重建红外图像强化高频局部特征输入高频局部特征融合层中得到高频局部融合特征；第三阶段的输入为低频全局融合特征与高频局部融合特征，低频全局融合特征与高频局部融合特征在通道维度上级联得到混合特征，混合特征经过自适应亮度调节模块处理得到强化混合特征，强化混合特征经过共享解码器生成最终的融合图像；S3：利用训练集中电力设备的红外图像与可见光图像对红外与可见光图像融合网络模型EIVFusion进行训练，得到训练好的红外与可见光图像融合网络模型EIVFusion；S4：将测试集中电力设备的红外图像与可见光图像输入训练好的红外与可见光图像融合网络模型EIVFusion中得到融合图像；所述共享编码器采用STCA模块，所述共享解码器与共享编码器的结构相反，STCA模块的处理过程为：输入图像先通过卷积层提取局部特征，再通过激活函数ReLU进行非线性变换，使用最大池化层进行空间降采样，然后用卷积核进一步提取特征，接着使用层归一化操作对特征进行标准化，通过局部窗口自注意力机制捕捉全局信息，然后使用全局平均池化对特征进行空间维度的全局信息聚合，生成每个通道的全局描述,使用全连接层处理全局描述，通过学习生成每个通道的重要性权重，采用激活函数ReLU进行非线性变换，输出通道级的权重分布，最后使用跨模态注意力机制实现红外图像的特征和可见光图像的特征之间的交互，通过将红外图像的特征作为查询Q，可见光图像的特征作为键K和值V，使红外图像的特征在计算注意力时根据可见光图像的特征信息进行动态调整，在输出中得到增强的红外特征；所述强化纹理与对比度模块中采用SLfusion算子增强高频局部特征的强纹理特征以及弱纹理特征，生成纹理增强后的高频局部特征，再通过以卷积层所构成的对比度增强模块来提高高频局部特征的对比度，SLfusion算子的表达式为： ，式中，SobelEdgeStrength表示使用Sobel算子计算的边缘强度，表示高频局部特征与拉普拉斯算子的卷积结果的绝对值，α和β是权重参数；所述自适应亮度调节模块的处理过程为：通过滑动窗口的方式计算混合特征的局部均值，计算表达式为： ，式中，是混合特征中的一个像素值，和分别是横坐标和纵坐标，是混合特征的局部均值，是滑动窗口的边长，和是窗口内的索引；计算混合特征的全局均值，计算表达式为： ，式中，表示混合特征的全局均值，M和N分别是特征图的行数和列数；根据每个局部均值与全局均值的差异，进行自适应亮度调节，调节表达式为： ，式中，表示经过亮度调整后的像素值，是调整因子。

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南昌工程学院，其通讯地址为：330000 江西省南昌市高新区天祥大道289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”。