-
公开(公告)号：CN110084288B
公开(公告)日：2023-04-18
申请号：CN201910288070.4
申请日：2019-04-11
Applicant: 江南大学
IPC: G06V10/80 , G06V10/82 , G06V10/74 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于自学习神经单元的图像融合方法，属于图像融合领域。其实现步骤是：1)将融合图像进入Mask R‑CNN网络进行处理，得到相应的掩码图像，掩码矩阵，类别信息，得分信息；2)搭建自编码网络，利用卷积神经网络CNN进行图像特征的选取，融合，重构；3)对融合层的卷积权重进行稀疏赋值，加入最小/最大范数权值约束与L1正则项；4)分别计算融合图像与源图像的整体结构相似度SSIM，区域结构相似度SSIM与互信息MI；5)训练神经网络，调整参数。本发明能通过学习网络参数以最佳方式联合获得水平测量与权重分配，增强图像清晰度，改善视觉效果，提高融合图像的质量。
-
公开(公告)号：CN110060226B
公开(公告)日：2023-04-18
申请号：CN201910287992.3
申请日：2019-04-11
Applicant: 江南大学
Abstract: 基于人类视觉梯度转化和全变差参数自适应图像融合方法，属于图像融合技术领域。其实现的步骤是：将融合问题转化为TV‑L1模型最小化问题，其中的数据保真项保存图像结构信息的主要强度分布，正则项保存图像纹理信息的梯度变化，通过数值迭代得到中间结果图像，再通过相加获得融合图像。为了保证算法求解的收敛性，分析了相关参数的取值范围，在模型参数选择方面，运用全局方差估计法自适应地选择调整参数，可以有效地保护图像特征并提高运算效率。本发明能充分整合源图像的结构和功能信息，有效保护图像细节，改善视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
-
公开(公告)号：CN111709902A
公开(公告)日：2020-09-25
申请号：CN202010436324.5
申请日：2020-05-21
Applicant: 江南大学
Abstract: 基于自注意力机制的红外和可见光图像融合方法，属于图像融合领域。主要解决图像融合时忽略人眼主观感受的重要性问题。其实现步骤是：1)搭建基于自注意力机制的深度自编码网络结构，以端到端的方式对特征提取，融合规则和重构规则同时学习；2)将编码层不同分支的特征图输入自注意力机制获得注意力图，并采用均值融合策略获得输出特征图；3)设计内容损失和细节损失两类损失函数，分别用于突出红外目标信息，锐化边缘和更好地利用源图像中的纹理细节；4)训练神经网络，并对自注意力机制进行可视化以调整网络结构和损失函数。本发明能通过学习注意力图以最佳方式分配注意力，获取图像关键信息，改善视觉效果，提高融合图像的质量。
-
公开(公告)号：CN107230196B
公开(公告)日：2020-08-28
申请号：CN201710249290.7
申请日：2017-04-17
Applicant: 江南大学
Abstract: 本发明公开了一种基于非下采样轮廓波和目标可信度的红外与可见光图像融合方法，主要解决红外与可见光图像融合结果中目标不够清晰的问题。其实现步骤是：1)待融合的两幅图像进行非下采样轮廓波NSCT变换，分解得到低频子带和高频子带；2)包含细节信息的高频子带系数，使用NSCT系数绝对值取大的融合策略进行融合；3)对NSCT低频子带系数，通过基于目标可信度的自适应混合融合策略实现融合；4)融合后的高、低频系数执行NSCT逆变换得到融合图像。本发明能充分提取红外图像的目标信息，有效保护可见光图像的细节，改善视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
-
公开(公告)号：CN107230196A
公开(公告)日：2017-10-03
申请号：CN201710249290.7
申请日：2017-04-17
Applicant: 江南大学
Abstract: 本发明公开了一种基于非下采样轮廓波和目标可信度的红外与可见光图像融合方法，主要解决红外与可见光图像融合结果中目标不够清晰的问题。其实现步骤是：1)待融合的两幅图像进行非下采样轮廓波NSCT变换，分解得到低频子带和高频子带；2)包含细节信息的高频子带系数，使用NSCT系数绝对值取大的融合策略进行融合；3)对NSCT低频子带系数，通过基于目标可信度的自适应混合融合策略实现融合；4)融合后的高、低频系数执行NSCT逆变换得到融合图像。本发明能充分提取红外图像的目标信息，有效保护可见光图像的细节，改善视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
-
Patent Agency Ranking
公开(公告)号：CN106504221A
公开(公告)日：2017-03-15
申请号：CN201610891328.6
申请日：2016-10-13
Applicant: 江南大学
IPC: G06T5/50
CPC classification number: G06T5/50 , G06T2207/20221 , G06T2207/30004
Abstract: 本发明公开了一种基于四元数小波变换QWT(Quaternion Wavelet Transform)上下文结构的医学图像融合方法，主要解决医学图像融合时亮度、对比度等的变化以及原始图像信息丢失的问题。其实现步骤是：1)分别对待融合图像进行QWT处理得到待融合图像对应的QWT系数；2)对待融合图像的QWT系数的低频部分根据绝对值取大的融合规则进行融合，得到低频的融合系数；3)对待融合图像的QWT系数的高频部分求取高频子带系数对应的清晰度系数；4)基于上下文统计模型与清晰度系数设计融合规则，获得融合后的高频系数；5)根据得到的低频和高频的融合系数，利用QWT逆变换得到融合图像。本发明能充分整合医学图像的结构和功能信息，有效保护图像细节，改善视觉效果，相比传统的融合方法极大的提高了融合图像的质量。
-
公开(公告)号：CN104268833A
公开(公告)日：2015-01-07
申请号：CN201410470345.3
申请日：2014-09-15
Applicant: 江南大学
Abstract: 本发明公开了一种基于平移不变剪切波变换(SIST)的图像融合新方法。其实现步骤为：首先通过SIST对源图像进行多尺度多方向分解，获得低频子带及高频子带系数。其次，低频子带反映了图像的轮廓信息，通过局部结构张量奇异值分解方法得到辨识图像清晰度的局部结构描述子，以此作为融合策略中的活动测度函数，采用取大的策略融合。高频子带体现了图像的细节信息，本发明提出了一种新的边缘强度度量方式，并构造了一种基于sigmoid函数与边缘强度度量的多策略融合规则用于高频子带融合。最后，对得到的融合系数进行逆SIST变换得到最终融合图像。本发明克服了传统图像融合方法容易造成边缘失真的缺陷，融合图像保留了更多的边缘和细节信息。
-
公开(公告)号：CN103985105A
公开(公告)日：2014-08-13
申请号：CN201410058550.9
申请日：2014-02-20
Applicant: 江南大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于统计建模的Contourlet域多模态医学图像融合方法，主要解决医学图像融合时空间分辨率和光谱信息难以均衡的问题。其实现步骤是：1)待融合图像进行IHS变换，得到亮度、色调和饱和度；2)分别对亮度分量执行Contourlet变换，并采用EM算法估计高频子带的上下文隐马尔科夫模型CHMM参数；3)低频子带采用区域绝对值和取大的融合规则，高频子带基于CHMM和改进的脉冲耦合神经网络M-PCNN设计融合规则；4)融合后的高、低频系数执行Contourlet逆变换重构新的亮度分量；5)利用IHS逆变换获得融合图像。本发明能充分整合医学图像的结构和功能信息，有效保护图像细节，改善视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
-
公开(公告)号：CN119784604A
公开(公告)日：2025-04-08
申请号：CN202411868427.3
申请日：2024-12-18
Applicant: 江南大学
IPC: G06T5/50 , G06V10/25 , G06V10/774 , G06N3/09
Abstract: 一种基于对象感知和上下文对比学习的LVM引导的红外和可见光图像融合方法，属于图像融合处理技术领域。本发明构建特征交互融合网络并设计特征交互融合块，在突出显示特定于模态的对象的同时，保留全局空间信息。提出SAM引导掩码生成器，利用文本驱动的目标检测模型获取完整的检测框，并用作SAM中的框提示符。对于具有内容信息的多模态任务中的对比学习，构建上下文空间来计算样本之间的距离。为了向上下文空间提供更具内聚性的样本，设计特征交互融合网络，战略性地优先考虑关键特征，同时捕获复杂的模态间关系，通过特征交互融合块突出显示与上下文相关的信息。本发明能在巩固融合图像中突出对象的完整性的同时，也保留场景信息。
-
公开(公告)号：CN111754447B
公开(公告)日：2024-09-24
申请号：CN202010638215.1
申请日：2020-07-06
Applicant: 江南大学
Abstract: 本发明公开了基于多状态上下文隐马尔科夫模型的红外和可见光图像融合方法，主要解决红外和可见光图像融合时细节丢失和对比度不高的问题。其实现步骤是：1)对待融合图像进行NSST变换，得到低频和高频子带；2)低频子带采用区域能量差异度的加权融合规则；3)高频子带设计了上下文隶属度，并建立MCHMM，根据多状态统计特征设计融合规则；4)融合后的高、低频系数执行NSST逆变换获得融合图像。本发明充分考虑了系数之间的相关性，精确地表示源图像的纹理、细节等特征，充分提取红外图像的目标信息，增强图像的对比度，改善视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.022 seconds)
