申请/专利权人:武汉深感科技有限公司
申请日:2024-04-08
公开(公告)日:2024-06-14
公开(公告)号:CN118196583A
主分类号:G06V10/80
分类号:G06V10/80;G06V10/44;G06V10/82;G06N3/0464;G06N3/048;G06N3/08
优先权:
专利状态码:在审-公开
法律状态:2024.06.14#公开
摘要:本发明提供一种双光图像融合方法及系统,涉及图像处理技术领域,包括:获取双光图像,包括可见光图像和红外图像;构建深度学习网络模型并预训练,深度学习网络模型包括特征提取模块、特征筛选模块、第一融合模块、第二融合模块和重建模块;将双光图像输入深度学习网络模型中,利用特征提取模块提取得到第一可见光特征和第一红外特征;根据特征筛选模块对第一可见光特征和第一红外特征分别进行筛选,得到第二可见光特征和第二红外特征;采用第一融合模块对第二可见光特征和第二红外特征进行内融合,得到第三可见光特征和第三红外特征;根据第二融合模块对第三可见光特征和第三红外特征进行外融合,得到融合特征;将融合特征输入重建模块进行映射和重建,得到最终的融合图像。本发明能够充分挖掘和利用可见光图像和红外图像的互补信息,生成包含更多场景细节和目标信息的高质量融合图像。
主权项:1.一种双光图像融合方法,其特征在于,包括以下步骤:S1:获取双光图像,包括可见光图像和红外图像;S2:构建深度学习网络模型并预训练,深度学习网络模型包括特征提取模块、特征筛选模块、第一融合模块、第二融合模块和重建模块;S3:将双光图像输入深度学习网络模型中,利用特征提取模块提取得到第一可见光特征和第一红外特征;S4:根据特征筛选模块对第一可见光特征和第一红外特征分别进行筛选,得到第二可见光特征和第二红外特征;S5:采用第一融合模块对第二可见光特征和第二红外特征进行内融合,得到第三可见光特征和第三红外特征;S6:根据第二融合模块对第三可见光特征和第三红外特征进行外融合,得到融合特征;S7:将融合特征输入重建模块进行映射和重建,得到最终的融合图像。
全文数据:
权利要求:
百度查询: 武汉深感科技有限公司 一种双光图像融合方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。