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！

龙图腾网恭喜武汉科技大学;武汉华茂自动化股份有限公司申请的专利MSF-Net网络模型训练方法、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：CN119251615B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202411305602.8，技术领域涉及：G06V10/774；该发明授权MSF-Net网络模型训练方法、图像融合方法及系统是由郑超兵;顾轩豪;王薇;伍世虔;李伟河设计研发完成，并于2024-09-19向国家知识产权局提交的专利申请。

本MSF-Net网络模型训练方法、图像融合方法及系统在说明书摘要公布了：本发明涉及MSF‑Net网络模型训练方法、图像融合方法及系统。方法包括：将一对第一图像集和第二图像集作为一个样本，获取多个样本作为训练集；将所述训练集输入预训MSF‑Net网络模型中进行训练，训练过程如下：将各个所述第二图像集分别输入所述预训MSF‑Net网络模型进行图像融合，获得各个第二图像集对应的融合后的高动态范围化图像；获取每对像素强度损失值和融合质量损失值；将每对像素强度损失值和融合质量损失值之和作为该对图像的总损失值；基于各个总损失值调整预训MSF‑Net网络模型中的网络参数，直至获得目标MSF‑Net网络模型。该方法所获得的融合后的高动态范围化图像更接近于实际的高动态范围化的场景。

本发明授权MSF-Net网络模型训练方法、图像融合方法及系统在权利要求书中公布了：1.一种MSF-Net网络模型训练方法，其特征在于，包括：将一对第一图像集和第二图像集作为一个样本，获取多个样本作为训练集；其中，所述第一图像集包括同一高动态范围场景下不同曝光度的多张低动态范围化图像，所述第二图像集为第一图像集内的多张低动态范围化图像的集合，且第二图像集内图像的数量小于第一图像内图像的数量；将所述训练集输入预训MSF-Net网络模型中进行训练，训练过程如下：S121，将各个所述第二图像集分别输入所述预训MSF-Net网络模型进行图像融合，获得各个第二图像集对应的融合后的高动态范围化图像；S122，获取每对所述高动态范围化图像与对应的所述第一图像集之间的像素强度损失值，以及获取每对所述高动态范围化图像与对应的第一图像集之间的融合质量损失值；S123，将每对所述高动态范围化图像与对应的所述第一图像集之间的像素强度损失值和融合质量损失值之和作为总损失值；S124，基于各个总损失值调整预训MSF-Net网络模型中的网络参数，并重复执行步骤S121至S124，直至各个所述总损失值均收敛，和或，迭代次数达到预设次数，则将当前的预训MSF-Net网络模型作为目标MSF-Net网络模型;所述获取每对所述高动态范围化图像与对应的第一图像集之间的融合质量损失值，包括：对于每对所述高动态范围化图像与对应的所述第一图像集，获取所述高动态范围化图像的多个第一补丁块，以及，获取所述第一图像集的多组第二补丁块；其中，一个第一补丁块对应一组第二补丁块，且所述一组第二补丁块为第一图像集的全部图像在同一位置的补丁块；对同一组的各个第二补丁块进行处理，获得对应的融合补丁块；基于各个第一补丁块和每个第一补丁块对应的融合补丁块，确定所述融合质量损失值；所述对同一组的各个第二补丁块进行处理，获得对应的融合补丁块，包括：基于同一组的各个第二补丁块，确定每个第二补丁块的强度、第二对比度和结构度量值；基于同一组的各个第二补丁块的强度确定一个期望强度，各个第二补丁块的第二对比度确定一个期望对比度，基于同一组的各个第二补丁块的结构度量值确定一个期望结构度量值；基于同一组的所述期望强度、所述期望对比度和所述期望结构度量值，获得对应的融合补丁块。

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武汉科技大学;武汉华茂自动化股份有限公司，其通讯地址为：430081 湖北省武汉市和平大道947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”。