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！

龙图腾网获悉四川轻化工大学申请的专利一种基于蛔虫脉冲神经系统的多模态图像融合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：CN121437291B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511999125.4，技术领域涉及：G06T5/50；该发明授权一种基于蛔虫脉冲神经系统的多模态图像融合方法是由孟令玉;苏菀真;王伟权;赵良军设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本一种基于蛔虫脉冲神经系统的多模态图像融合方法在说明书摘要公布了：本发明涉及图像融合技术领域，具体涉及一种基于蛔虫脉冲神经系统的多模态图像融合方法，将配准后的多模态源图像分别输入一个仿生蛔虫脉冲神经系统模型，计算每个像素位置在一段时间内的脉冲激发次数，从而将图像信息转换为脉冲计数图；通过逐像素比较两幅脉冲计数图的大小，生成对应的二值化权重图；依据此权重图对两幅源图像进行加权平均融合，得到信息互补、特征增强的最终融合图像。与脉冲神经网络相较而言，本发明方法结构简单，应用方便，可以快速部署，并具有良好的可解释性，可以根据需求灵活的调整相关参数。与脉冲神经网络激发的应用不同，本发明通过基于脉冲激发计数的权重计算，取得了预期的融合效果。

本发明授权一种基于蛔虫脉冲神经系统的多模态图像融合方法在权利要求书中公布了：1.一种基于蛔虫脉冲神经系统的多模态图像融合方法，其特征在于，包括以下步骤： 输入配准好的多模态图像，包括第一模态图像和第二模态图像； 对于所述第一模态图像，使用蛔虫脉冲神经系统模型计算每个像素位置的脉冲计数； 对于所述第二模态图像，使用蛔虫脉冲神经系统模型计算每个像素位置的脉冲计数； 基于所述脉冲计数，生成所述第一模态图像和所述第二模态图像的权重值； 根据所述权重值，对所述第一模态图像和所述第二模态图像进行加权融合，得到融合图像； 其中，对于所述第一模态图像，使用蛔虫脉冲神经系统模型计算每个像素位置的脉冲计数，具体包括： 对于输入所述第一模态图像，计算公式如下： ；其中，为像素位置，为图像位置坐标处像素大小，为控制电位变化的速率，为像素邻域，m，n为邻域内像素位置坐标，为t时刻邻域内位置m，n处膜电位，为t时刻x，y处膜电位，为时刻位置x，y处膜电位，为时间间隔，为初始膜电位，k为权重； 设定阈值，按照如下方式统计输入图像脉冲激发次数： 如果，那么， ，且； 并以作为新的重复膜电位计算和统计脉冲激发次数的步骤，直至达到预设的时间段； 其中，为t时刻x，y处膜电位，为图像x，y处t时刻的脉冲计数，为图像x，y处时刻的脉冲计数； 其中，对于所述第二模态图像，使用蛔虫脉冲神经系统模型计算每个像素位置的脉冲计数，具体包括： 对于输入所述第二模态图像，计算公式如下： ； 其中，为像素位置，为图像位置坐标处像素大小，为控制电位变化的速率，为像素邻域，m，n为邻域内像素位置坐标，为t时刻邻域内位置m，n处膜电位，为t时刻x，y处膜电位，为时刻位置x，y处膜电位，为时间间隔，为初始膜电位，k为权重； 设定阈值，按照如下方式统计输入图像脉冲激发次数： 如果，那么， ，且； 并以作为新的重复膜电位计算和统计脉冲激发次数的步骤，直至达到预设的时间段； 其中，为t时刻x，y处膜电位，为图像x，y处t时刻的脉冲计数，为图像x，y处时刻的脉冲计数； 其中，基于所述脉冲计数，生成所述第一模态图像和所述第二模态图像的权重值，具体包括： 若，=1 若，=1 其中，表示输入图像在位置x，y处脉冲计数，表示输入图像在位置x，y处脉冲计数，为输入图像在位置x，y处二值权重，为输入图像在位置x，y处二值权重。

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四川轻化工大学，其通讯地址为：643000 四川省自贡市汇东学苑街180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。