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！

龙图腾网获悉齐鲁空天信息研究院;中国科学院空天信息创新研究院申请的专利一种基于轻量化模型的红外与可见光图像融合方法及装置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：CN121329792B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511888415.1，技术领域涉及：G06T5/50；该发明授权一种基于轻量化模型的红外与可见光图像融合方法及装置是由王浩宇;张冬;张新;李子申;刘炳成;彭玉;张存业;任孝洋;路东星设计研发完成，并于2025-12-15向国家知识产权局提交的专利申请。

本一种基于轻量化模型的红外与可见光图像融合方法及装置在说明书摘要公布了：本发明提供一种基于轻量化模型的红外与可见光图像融合方法及装置，属于图像信息处理技术领域，包括分别构建浅层特征提取层，深层特征提取融合层和融合图像重构层；浅层特征提取层用于提取红外和可见光图像的浅层特征，过滤掉与图像融合不相关的信息；深层特征提取融合层在浅层特征提取层所得到图像特征图的基础上进一步对提取红外和可见光图像的图像特征，捕捉两种图像中所包含的特征信息，并将所得到的信息特征进行融合处理；融合图像重构层在深层特征提取融合层所得到的融合信息特征的基础上重构图像，最终得到同时含有红外图像和可见光图像信息的融合图像。本发明实现了更高效地将红外和可见光图像的信息进行融合。

本发明授权一种基于轻量化模型的红外与可见光图像融合方法及装置在权利要求书中公布了：1.一种基于轻量化模型的红外与可见光图像融合方法，其特征在于，分别构建浅层特征提取层，深层特征提取融合层和融合图像重构层； 浅层特征提取层用于提取红外和可见光图像的浅层特征，过滤掉与图像融合不相关的信息； 深层特征提取融合层在浅层特征提取层所得到图像特征图的基础上进一步提取红外和可见光图像的图像特征，捕捉两种图像中所包含的特征信息，并将所得到的信息特征进行融合处理； 融合图像重构层在深层特征提取融合层所得到的融合信息特征的基础上重构图像，最终得到同时含有红外图像和可见光图像信息的融合图像； 深层特征提取融合层中，使用轻量化多头注意力机制模块和高效多尺度注意力模块串联组成；轻量化多头注意力机制模块使用平均池化将特征图空间分辨率降低然后进行自注意力机制变换，然后通过双线性插值恢复到原有分辨率；高效多尺度注意力模块在保留每个通道上的信息的基础上，将通道维度分组为多个子特征，使空间语义特征在每个特征组内均匀分布，并突出特征图中所有像素的全局上下联系； 轻量化多头注意力机制模块将8个头分为四个部分，分别采用大小为2×2、4×4、8×8、16×16的池化层对特征图进行采样，步长与池化核边长大小相同，经过不同池化层采样后得到的特征图像分别经过各自的注意力机制，然后再输入上采样层，采用不同的上采样率获得与原特征图相同分辨率的特征图，不同头之间互相弥补缺失的边缘信息，最后得到输出，输出特征图大小和原特征图保持不变； 高效多尺度注意力模块将给定的输入大小为C×H×W的特征图沿着通道维度方向划分为n个子特征图以学习不同语义，其中深度为C，高度为H，宽度为W，先把输入的特征图沿着深度方向切成n块，通过三条平行路线来提取分组特征图的注意力权重，其中，两条平行路径在1×1分支上，第三条路径在3×3分支上，对于1×1的分支，分别沿X和Y两个空间方向对通道进行编码并进行两个平均池化操作；对于3×3的分支，仅堆叠一个3×3卷积核，然后将1×1分支两个空间方向提取得到的特征连接起来，共同经过1×1的卷积，并将输出拆分为两个向量，利用两个非线性Sigmoid函数来拟合卷积后的二维二项分布，利用Re-weight模块将输入特征图块重新还原成C×H×W大小，再利用跨空间学习模块将3×3的分支的输出整合，再经过Sigmoid函数和Re-weight模块得到输出结果； 跨空间学习模块对1×1分支和3×3分支的输出进行二维全局平均池化，同时在平均池化的输出处采用Softmax函数来拟合线性变换，通过将各支路的输出与矩阵点积运算相乘，得到两个分支上各自的空间注意力特征图，最后，将每组内的输出特征映射计算为生成的两个空间注意力权重值的集合，然后使用Sigmoid函数来捕获像素级的成对关系。

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齐鲁空天信息研究院;中国科学院空天信息创新研究院，其通讯地址为：250132 山东省济南市历城区工业北路44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。