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！

龙图腾网获悉中国科学院沈阳自动化研究所申请的专利基于GAN的将可见光图像高效转换成红外光图像的方法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：CN119941887B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202411966214.4，技术领域涉及：G06T11/00；该发明授权基于GAN的将可见光图像高效转换成红外光图像的方法是由史泽林;向伟;赵怀慈;房建;俞越欢;王立勇设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本基于GAN的将可见光图像高效转换成红外光图像的方法在说明书摘要公布了：本发明提供了基于GAN的将可见光图像高效转换成红外光图像的方法，称为IMGAN。在生成网络中提出了较ConvNeXtV2轻量化且提升性能的InceptioNeXtV2网络作为编码器，解码器引入了以Mamba为代表的选择性状态空间模型，并结合了设计的提取局部信息的LFEM模块来提高图像的保真度。设计了一种引导融合策略GFS确保生成的红外图像既保留可见光图像的结构信息，又体现红外成像的物理特性。设计了纹理损失、颜色损失作为额外的辅助函数来约束双边映射来解决纹理粗糙，颜色差异的问题。在四个不同的数据集上评估了的方法，并将结果与现有的架构包括Pix2Pix、ThermalGAN和InfraGAN进行了比较。与InfraGAN架构相比，的方法在VEDAI数据集上的SSIM和PSNR分别提高了2.38％和7.28％。

本发明授权基于GAN的将可见光图像高效转换成红外光图像的方法在权利要求书中公布了：1.基于GAN的将可见光图像高效转换成红外光图像的方法，其特征在于，包括以下步骤： 输入可见光图像，通过对抗网络进行红外图像转换； 对于生成器，采用InceptioNeXtV2网络作为编码器，以从输入的可见光图像中提取多尺度特征； 解码器中，使用协同萃取模块SEM和选择性状态空间模型Mamba模块提取全局特征、LFEM模块补充局部信息，并生成红外图像； 使用GFS引导融合策略或特征按通道直接拼接，融合来自编码器的多尺度特征和解码器生成的红外特征； 对于判别器，对生成的红外图像进行真实性评估，鉴别整体图像真假以及每个像素点的真假；判别器采用U-Net结构，使用谱归一化残差块SRB作为编码器和解码器，通过对抗训练优化生成器； 使用GFS引导融合策略，融合来自编码器的特征和解码器生成的红外特征； 计算并最小化复合损失函数，所述复合损失函数包括结构一致性损失、平均绝对值损失、纹理损失、颜色损失和对抗损失，以促进生成的红外图像与真实红外图像之间的差异最小化； 所述生成器的解码器，执行以下步骤： 输入特征依次经协同萃取模块SEM增强特征提取、选择性状态空间模型Mamba模块处理空间和通道特征后，与输入特征进行融合； 融合特征经LFEM模块后，再与融合特征进行拼接，作为解码器的输出； 所述LFEM模块，执行以下步骤： 输入通过线性层将通道拓展为原来的四倍，然后分成两部分； 第一部分，在不同尺度上进行多次变换，以捕获不同尺度的粗尺度特征；这些输出使用SiLU函数连接和激活，然后使用scSE块进行细化； 第二部分，由SiLU函数激活，并通过串联输出将元素与第一部分的输出相乘，实现多尺度特征之间的交互； 最后，通过线性层处理组合的特征，将输出返回到原始输入维度； 所述GFS引导融合策略，包括以下步骤： 首先，在生成器或者判别器中，将来自上一层的解码器特征和编码器特征按照通道维度进行拼接，使用全局平均池化对空间位置进行平均，生成全局的统计量，代表该通道的总体特征； 然后，通过两个卷积层生成每个通道的权重： ； 其中，表示Sigmoid函数，表示卷积，表示Relu函数表示平均池化； 得到权重系数后，与原始拼接特征进行广播相乘，对通道进行重新加权； ； 其中，为加权后的特征； 将解码器特征和编码器特征进行相加融合，经过Sigmoid函数得到空间注意力系数： ； 最终，将空间注意力系数与经过通道注意力的特征图进行广播相乘，用于再一次校正特征。

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中国科学院沈阳自动化研究所，其通讯地址为：110016 辽宁省沈阳市沈河区南塔街114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”。

以上内容由龙图腾AI智能生成。