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：中国人民解放军63983部队;江南大学
申请日：2024-03-18
公开（公告）日：2024-06-21
公开（公告）号：CN118229545A
主分类号：G06T5/50
分类号：G06T5/50
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黎曼流形非欧表示的可见光与红外图像融合方法，采用流形注意力模块和卷积层级联结构模式；对源图像1和源图像2分别进行分块处理，得到每个图像块对应的行向量矩阵；行向量矩阵通过跨模态流形融合策略，融合为表示模态内及模态间协方差的协方差矩阵1，协方差矩阵1进入对称正定矩阵流形网络模块进行处理，最终训练得到用于加权的协方差矩阵2，将协方差矩阵2作为权重矩阵，通过矩阵乘法加权到行向量矩阵，得到加权后的生成特征图1和生成特征图2；卷积层级联通过维度变换得到最终融合图像，本发明能够充分保留图像当中的高频信息，揭示图像当中不同区域语义信息的潜在关联，有效实现了一种全局相关性关系融合学习。
主权项：1.本方法是一种基于黎曼流形非欧表示的可见光与红外图像融合方法，其特征在于，采用流形注意力模块和卷积层级联结构模式；步骤1，对源图像1和源图像2分别进行分块处理，得到每个图像块对应的行向量矩阵，每行包含了源图像中某一图像块的所有像素；步骤2，行向量矩阵通过跨模态流形融合策略，融合为表示模态内及模态间协方差的协方差矩阵1，供黎曼流形网络使用；步骤3，协方差矩阵1进入对称正定矩阵流形网络模块进行处理，该模块由双线性映射层、实特征值层和对数特征值层组成，分别实现降维增强判别性、非线性激活和对数域拉直操作，最终训练得到用于加权的协方差矩阵2，增强模型的判别力的同时保留了协方差矩阵的阶段性信息；步骤4，将协方差矩阵2作为权重矩阵，通过矩阵乘法加权到源图像1和源图像2构成的行向量矩阵，得到加权后的生成特征图1和生成特征图2；步骤5，卷积层级联包括卷积层1和卷积层2，生成特征图1和生成特征图2分别通过卷积层1，将维度从1升至16，再将两支16维的特征图直接相加，接着通过卷积层2进行降维，由32维降至1维，每个卷积层包含一个3×3大小的卷积核和一个线性整流激活函数来增强非线性表达，最终得到的融合图像充分表达了黎曼流形上的权重分布。
全文数据：
权利要求：
百度查询： 中国人民解放军63983部队;江南大学 一种基于黎曼流形非欧表示的可见光与红外图像融合方法
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