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！

申请/专利权人：长春理工大学

摘要：一种用于夜间目标增强的红外与可见光图像融合方法，属于图像处理及机器视觉技术领域，为解决现有方法得到的融合图像对比度低，在小波变换的过程中存在信息丢失，红外显著性目标的增强效果差的问题，该方法：准备训练数据；构建网络模型；设计损失函数；训练网络模型；确定融合模型；在网络模型中加入红外前景图像作为网络的输入，在融合图像中增强源图像中的显著性目标；在浅层特征提取之后加入一个空间注意模块，空间注意机制根据浅层特征过滤背景细节，更多地关注前景区域，突出融合图像中的显著性目标；在网络模型中使用分组卷积，防止信息丢失；构造损失函数时使用调整图像作为图像标签，避免融合图像中的信息偏向某一源图像，避免信息丢失。

主权项：1.一种用于夜间目标增强的红外与可见光图像融合方法，其特征是，该方法包括以下步骤：步骤1，准备训练数据：对夜间场景下的红外与可见光数据集进行图像预处理，选取训练数据集；步骤2，构建网络模型：网络模型包括三条输入路径，三个输入图像分别经过特征提取部分得到特征图，将三条路径上得到的特征图在通道维度上联结，再输入至图像重建部分，最终得到融合图像；步骤3，设计损失函数：使用网络输出的融合图像和图像标签来构建损失函数；步骤4，训练网络模型：在训练过程中最小化损失函数的值，直到训练次数达到预设阈值或损失函数的值稳定在预设范围内，即认为网络模型训练完成，保存网络模型的参数；步骤5，确定融合模型：网络训练完成后，固定网络模型参数，确定该网络模型为最终的融合模型；之后需要进行红外与可见光图像融合操作时，直接将图像输入到网络中即可得到最终的融合图像；所述步骤2中第一条和第二条输入路径的特征提取部分包括一个卷积块、一个空间注意模块和三个分组卷积块；第三条输入路径的特征提取部分包括一个卷积块和三个分组卷积块；图像重建部分包括三个卷积块；卷积块包括卷积层、激活函数和拼接操作，激活函数使用线性整流函数；分组卷积块包括分组卷积层、激活函数和拼接操作，激活函数使用参数线性整流函数；空间注意模块包括最大池化层、平均池化层、卷积层、激活函数和拼接操作，激活函数使用S型激活函数；其中所有卷积层的卷积核大小为n×n；所述步骤4在网络模型训练过程中，将红外源图像和可见光源图像作为第一条和第二条路径的输入，将红外前景图像作为第三条路径的输入。

全文数据：

权利要求：

百度查询： 长春理工大学 一种用于夜间目标增强的红外与可见光图像融合方法