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！

龙图腾网恭喜湖南大学申请的专利一种基于跨模态交互感知的多模态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：CN119810606B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202510280466.X，技术领域涉及：G06V10/80；该发明授权一种基于跨模态交互感知的多模态图像融合方法及系统是由梅杰;王耀南;张辉;江一鸣;谢核;钟杭设计研发完成，并于2025-03-11向国家知识产权局提交的专利申请。

本一种基于跨模态交互感知的多模态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跨模态交互感知的多模态图像融合方法及系统，构建多模态图像融合模型并训练，将待融合的多模态图像输入训练后的多模态图像融合模型处理，编码器模块接收待融合的多模态图像并进行逐层编码处理，输出若干层不同尺度的特征图，通道级校正模块接收若干层不同尺度的特征图并进行加权校正，输出若干层权校正后的模态特征，动态跨模态交互模块接收若干层加权校正后的模态特征并处理，得到若干层融合特征，解码器模块接收若干层融合特征并进行逐层解码与融合处理，输出待融合的多模态图像对应的融合图像。该方法通过通道级校正模块和动态跨模态交互模块，能够有效地将多模态数据之间的相关信息进行交互。

本发明授权一种基于跨模态交互感知的多模态图像融合方法及系统在权利要求书中公布了：1.一种基于跨模态交互感知的多模态图像融合方法，其特征在于，所述方法包括：S1、获取训练用的多模态图像以及与多模态图像对应的真值图像并构建训练集；S2、构建多模态图像融合模型，多模态图像融合模型包括依次连接的编码器模块、通道级校正模块、动态跨模态交互模块以及解码器模块；S3、采用训练集对多模态图像融合模型进行端到端训练，得到多模态图像的预测结果，通过预设的损失函数计算多模态图像的预测结果与对应的真值图像之间的偏差，回传梯度并更新多模态图像融合模型的参数，得到训练后的多模态图像融合模型；S4、获取待融合的多模态图像，将待融合的多模态图像输入训练后的多模态图像融合模型处理，编码器模块接收待融合的多模态图像并进行逐层编码处理，输出若干层不同尺度的特征图；S5、通道级校正模块接收若干层不同尺度的特征图并进行加权校正，输出若干层加权校正后的模态特征；S6、动态跨模态交互模块接收若干层加权校正后的模态特征并处理，得到若干层融合特征；S7、解码器模块接收若干层融合特征并进行逐层解码与融合处理，输出待融合的多模态图像对应的融合图像；S6具体过程如下：S61、动态跨模态交互模块中的每个动态跨模态交互块接收对应层加权校正后的模态一特征和模态二特征；S62、第一卷积预处理单元接收加权校正后的模态一特征并进行卷积处理，区域特征单元将卷积处理后的特征划分为若干区域，将每个区域的特征视为一个区域级的特征标记，由此得到权校正后的模态一特征对应的若干个区域特征标记；S63、第二卷积预处理单元接收加权校正后的模态二特征并进行卷积处理，局部特征单元将卷积处理后的特征划分为若干区域，将若干区域中的每个区域进一步划分为若干局部特征单元，由此得到加权校正后的模态二特征对应的若干局部特征单元；S64、区域Mamba块接收权校正后的模态一特征对应的若干个区域级特征标记并进行并行建模和信息交换，得到模态一区域特征；S65、局部Mamba块接收加权校正后的模态二特征对应的若干局部特征单元并处理，得到模态二局部特征；S66、动态交互Mamba块接收模态一区域特征和模态二局部特征并进行动态融合，得到对应层的融合特征。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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”。