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！

申请/专利权人：湘潭大学

摘要：本发明提供了一种自适应范数估计的多模态图像融合方法，包括融合影像的初始化、扩散模型的初始后验估计影像、隐变量的期望估计、自适应阈值参数的计算、计算后验估计影像的修正值、后验估计影像的修正、计算融合修正去噪融合影像、输出融合影像。本发明首先基于常规融合影像损失函数出发，研究在对于同一位置拍摄不同模态影像，引入自适应阈值参数，自适应的调整对于不同模态输入影像在生成融合影像时的贡献和约束，从而提高融合影像所包含的每种模态的互补特征，如纹理特征和对比度。该方法基于L1范数和L2范数的残余误差特性和双边全变差bilateralTotalVariation，BTV正则项的重建纹理保留优势，提高在跨模态特征信息的提取，实现多模态图像的融合。

主权项：1.一种自适应范数估计的多模态图像融合方法，其特征在于，该方法包括以下步骤：S1：在初始化时，输入待融合已经对齐的同等尺寸大小的红外i和可见光影像υ，生成同等大小的高斯噪声影像fT，并初始化去噪扩散模型的最大采样次数N；S2：基于预训练的无条件去噪扩散模型，通过去噪扩散隐式模型预测初始后验影像。式中sθft，t视为是预训练的去噪器；ft表示第t轮时的融合影像；表示在给定ft下对f0的估计值，即预测的去噪影像；其中αt＝1-βt和βt是预定义的噪声调度扩散模型中的超参数；S3：使用DDFM中推导出的隐变量m、n的条件期望估计表达式进行计算m、n的条件期望值，并用公式更新拉普拉斯尺度因子γ、ρ。式中x＝f-υ和y＝i-υ，表示融合影像、i表示红外影像、υ表示可见光影像；隐变量m、n是分别对px，py|x服从拉普拉斯分布估计视为正态分布与指数分布耦合时引入的隐变量，γ、ρ分别是px，py|x服从拉普拉斯分布的尺度因子，h、w分别是输入图像的高度和宽度；S4：计算初始自适应阈值参数a，b；S5：使用S2、S3、S4中所得到的数据m、n、a、b，将作为初始值，对目标函数进行梯度下降法迭代求解，当其达到最大迭代次数N或邻近两次生成图像像素灰度均值变化小于阈值Δ时终止，得到修正后验估计影像其优化的目标函数为下式： 其中a，b为S4求得的值；θ为权重参数；P是一维双边滤波器核参数；滤波器核的大小为2P+1；分别表示水平反向平移l个像素和垂直方向上移动h个像素；ψ为正则项系数。目标函数解为之后通过计算得到修正后验估计影像S6：使用去噪扩散隐式模型的后验估计方程计算采样后经过修正去噪的融合影像ft-1，其中和αt＝1-βt和βt是预定义的噪声调度扩散模型中的超参数；S7：判断采样迭代次数是否达到N，若无，则将S6计算得到的ft-1作为S2的输入影像重复上述S2-S6步骤；S8：输出生成融合影像f0。

全文数据：

权利要求：

百度查询： 湘潭大学 一种自适应范数估计的多模态图像融合方法