公开(公告)号：CN119850443A

公开(公告)日：2025-04-18

申请号：CN202510327036.9

申请日：2025-03-19

Applicant: 华侨大学

Inventor： 陈子仪 ,  蔡高升

IPC: G06T5/50 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082 ,  G06T5/60 ,  G06V10/80 ,  G06V10/82 ,  G06V20/70

Abstract: 本发明提供一种红外图像与可见光图像的融合方法，属于计算机视觉及人工智能技术领域，包括：步骤S1、构建生成融合图像的图像融合网络模型；步骤S2、获取红外图像和对应的可见光图像以形成训练数据集，利用训练数据集，以损失函数对融合网络模型进行训练，损失函数与可见光图像与融合图像的结构相似度损失、基于红外图像与对应的可见光图像的语义热力图掩码区域的结构相似度损失、图像强度损失和图像梯度损失有关；步骤S3、将待融合的红外图像和对应的可见光图像输入经步骤S2训练后的融合网络模型，以得到最终的融合图像。本发明无需人工操作，降低算力要求，能够实现对图像的实时处理，不易丢失信息，效率更高。

公开(公告)号：CN118982466A

公开(公告)日：2024-11-19

申请号：CN202410974607.3

申请日：2024-07-19

Applicant: 华侨大学

Inventor： 陈子仪 ,  蔡高升

IPC: G06T5/50 ,  G06T5/60 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06T3/4038

Abstract: 本发明提供了一种红外可见光图像融合方法，涉及计算机视觉和人工智能领域，核心在于通过构建和优化两个关键模块：U型红外图像语义分割神经网络模块与密集卷积操作模块，实现红外图像A与可见光图像B的自适应融合。该方法通过构建这种密集卷积网络和U型神经网络的组合，形成了从源图像到融合图像的直接映射关系，完全摒弃了传统的人工干预，确保了融合过程的高效性和准确性。在模型优化上，设计的损失函数结合了红外目标掩码和结构相似度，使得网络模型能够专注于保留红外目标的清晰度和可见光图像的结构信息，从而生成高质量、红外目标清晰且信息完整的融合图像。