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！

龙图腾网获悉佛山大学申请的专利一种基于多尺度亮度感知的偏振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：CN120235775B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510718930.9，技术领域涉及：G06T5/50；该发明授权一种基于多尺度亮度感知的偏振图像融合方法及系统是由李小松;黄庄钒;郑伊玫;陈璁;杨丽芳;王玉春设计研发完成，并于2025-05-30向国家知识产权局提交的专利申请。

本一种基于多尺度亮度感知的偏振图像融合方法及系统在说明书摘要公布了：本发明公开了一种基于多尺度亮度感知的偏振图像融合方法及系统，该方法包括：基于斯托克斯矢量法获取线偏振度图像和强度图像；基于亮度动态权重生成机制与双模态特征交互机制，构建多尺度亮度感知偏振图像融合网络模型；基于多尺度亮度感知偏振图像融合网络模型对线偏振度图像和强度图像进行特征融合处理，得到偏振融合图像。本发明能够在复杂亮度的情况下准确提取线偏振度的特殊目标纹理并且保持强度图像的细节，提高融合图像质量。本发明作为一种基于多尺度亮度感知的偏振图像融合方法及系统，可广泛应用于图像融合技术领域。

本发明授权一种基于多尺度亮度感知的偏振图像融合方法及系统在权利要求书中公布了：1.一种基于多尺度亮度感知的偏振图像融合方法，其特征在于，包括以下步骤： 基于斯托克斯矢量法获取线偏振度图像和强度图像； 基于亮度动态权重生成机制与双模态特征交互机制，构建多尺度亮度感知偏振图像融合网络模型； 基于多尺度亮度感知偏振图像融合网络模型对线偏振度图像和强度图像进行特征融合处理，得到偏振融合图像，其中包括： 将线偏振度图像和强度图像输入至多尺度亮度感知偏振图像融合网络模型； 基于多尺度亮度感知偏振图像融合网络模型的拼接模块，对线偏振度图像和强度图像进行拼接处理，得到初步偏振融合图像； 基于多尺度亮度感知偏振图像融合网络模型的纹理融合模块，对初步偏振融合图像进行纹理特征信息融合处理，得到纹理特征融合图像； 基于多尺度亮度感知偏振图像融合网络模型的亮度感知模块，对线偏振度图像进行亮度感知计算，得到多级亮度权重； 基于多尺度亮度感知偏振图像融合网络模型的编码器模块，结合多级亮度权重，对纹理特征融合图像进行编码处理，得到编码后的纹理特征融合图像； 基于多尺度亮度感知偏振图像融合网络模型的瓶颈模块，对编码后的纹理特征融合图像进行轻量化处理，得到轻量化后的纹理特征融合图像； 基于多尺度亮度感知偏振图像融合网络模型的解码器模块，对编码后的纹理特征融合图像与轻量化后的纹理特征融合图像进行解码处理，得到解码后的纹理特征融合图像； 基于多尺度亮度感知偏振图像融合网络模型的卷积模块，对解码后的纹理特征融合图像进行卷积处理，得到卷积后的纹理特征融合图像； 基于多尺度亮度感知偏振图像融合网络模型的亮度增强模块，对卷积后的纹理特征融合图像与线偏振度图像进行亮度增强处理，得到偏振融合图像； 其中，所述基于多尺度亮度感知偏振图像融合网络模型的亮度感知模块，对线偏振度图像进行亮度感知计算，得到多级亮度权重这一步骤，具体包括： 将线偏振度图像输入至多尺度亮度感知偏振图像融合网络模型的亮度感知模块； 基于亮度感知模块的第三双重卷积层、第三批归一化层与第三非线性激活函数，对线偏振度图像进行亮度感知计算，得到第一级亮度权重； 基于亮度感知模块的第一最大池化层，对第一级亮度权重进行最大池化处理，得到第一池化后的亮度权重； 基于亮度感知模块的第四双重卷积层、第四批归一化层与第四非线性激活函数，对第一池化后的亮度权重进行亮度感知计算，得到第二级亮度权重； 基于亮度感知模块的第二最大池化层，对第二级亮度权重进行最大池化处理，得到第二池化后的亮度权重； 基于亮度感知模块的第五双重卷积层、第五批归一化层与第五非线性激活函数，对第二池化后的亮度权重进行亮度感知计算，得到第三级亮度权重； 结合第一级亮度权重、第二级亮度权重与第三级亮度权重，得到多级亮度权重； 其中，所述基于多尺度亮度感知偏振图像融合网络模型的编码器模块，结合多级亮度权重，对纹理特征融合图像进行编码处理，得到编码后的纹理特征融合图像这一步骤，具体包括： 将纹理特征融合图像输入至多尺度亮度感知偏振图像融合网络模型的编码器模块； 基于编码器模块的第六双重卷积层与第二卷积注意力机制模块，对纹理特征融合图像进行纹理特征提取与校正处理，得到第一校正后的纹理特征图像； 将第一校正后的纹理特征图像与第一级亮度权重进行拼接并通过编码器模块的第三最大池化层进行下采样处理，得到第一编码后的纹理特征融合图像； 基于编码器模块的第七双重卷积层与第三卷积注意力机制模块，对第一编码后的纹理特征融合图像进行纹理特征提取与校正处理，得到第二校正后的纹理特征图像； 将第二校正后的纹理特征图像与第二级亮度权重进行拼接并通过编码器模块的第四最大池化层进行下采样处理，得到第二编码后的纹理特征融合图像； 基于编码器模块的第八双重卷积层与第四卷积注意力机制模块，对第二编码后的纹理特征融合图像进行纹理特征提取与校正处理，得到第三校正后的纹理特征图像； 将第三校正后的纹理特征图像与第三级亮度权重进行拼接并通过编码器模块的第五最大池化层进行下采样处理，得到第三编码后的纹理特征融合图像； 结合第一编码后的纹理特征融合图像、第二编码后的纹理特征融合图像与第三编码后的纹理特征融合图像，得到编码后的纹理特征融合图像。

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佛山大学，其通讯地址为：528011 广东省佛山市禅城区江湾一路18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”。