龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：西安电子科技大学
申请日：2024-03-06
公开（公告）日：2024-06-21
公开（公告）号：CN118230103A
主分类号：G06V10/80
分类号：G06V10/80;G06V10/82;G06V10/77;G06V10/774;G06V10/30;G06N3/0464;G06N3/088
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明公开了一种基于无监督深度学习的高分辨率SAR与可见光图像融合方法，包括：获取至少一对待融合图像；每对待融合图像包括：一张SAR图像和一张对应的可见光图像；对每对待融合图像进行预处理，对应得到至少一对预处理图像；将至少一对预处理图像输入训练好的图像融合网络中，经过浅层特征提取处理、深层联合特征提取处理、降维融合处理、特征重构处理和残差处理后，输出每对待融合图像对应的一张融合图像；训练好的图像融合网络是采用训练集和基于图像对比度的结构损失函数，对初始训练网络进行训练得到；初始训练网络包括初始图像融合网络，以及输入与初始图像融合网络的输出连接的初始下采样模块。本发明能够提高融合图像的质量。
主权项：1.一种基于无监督深度学习的高分辨率SAR与可见光图像融合方法，其特征在于，包括：获取至少一对待融合图像；每对待融合图像包括：一张SAR图像和一张对应的可见光图像；对每对待融合图像进行预处理，对应得到至少一对预处理图像；将所述至少一对预处理图像输入训练好的图像融合网络中，经过浅层特征提取处理、深层联合特征提取处理、降维融合处理、特征重构处理和残差处理后，输出每对待融合图像对应的一张融合图像；其中，所述训练好的图像融合网络是采用训练集和基于图像对比度的结构损失函数，对初始训练网络进行训练得到；所述初始训练网络包括初始图像融合网络，以及输入与所述初始图像融合网络的输出连接的初始下采样模块；所述基于图像对比度的结构损失函数包括光谱损失项和结构损失项；所述光谱损失项表征输出的融合图像经过下采样后与输入的可见光图像之间的均方误差；所述结构损失项表征输出的融合图像经过灰度化后的结构张量，与拼接图像的结构张量之间的差值；所述拼接图像是将输入的可见光图像经过灰度化后与输入的SAR图像进行拼接的图像。
全文数据：
权利要求：
百度查询： 西安电子科技大学 基于无监督深度学习的高分辨率SAR与可见光图像融合方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号