[發明專利]一種紅外和可見光圖像融合方法在審
| 申請號： | 201811570632.6 | 申請日： | 2018-12-21 |
| 公開（公告）號： | CN109447936A | 公開（公告）日： | 2019-03-08 |
| 發明（設計）人： | 余南南;卜偉;黃歡;胡福年 | 申請（專利權）人： | 江蘇師范大學 |
| 主分類號： | G06T5/50 | 分類號： | G06T5/50;G06N3/04 |
| 代理公司： | 南京蘇高專利商標事務所(普通合伙) 32204 | 代理人： | 康燕文 |
| 地址： | 221116 江*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 可見光 融合圖像 融合網絡 紅外圖像數據庫 融合 可見光圖像 目標函數 損失函數 構建 隨機梯度下降法 卷積神經網絡 神經網絡結構 紅外圖像 基本單元 融合算法 圖像融合 原圖像 卷積 感知 相加 遷移 更新 應用 網絡 學習 | ||
1.一種紅外和可見光圖像融合方法，其特征在于，包括以下步驟：
(1)構建可見光和紅外圖像數據庫，確定卷積神經網絡結構，構建卷積神經網絡基本單元；
(2)應用可見光和紅外圖像數據庫通過遷移訓練對GoogLeNet進行訓練；
(3)將融合圖像分別和原圖像的損失函數以及正則項相加作為目標函數，進行融合網絡的訓練；
(4)輸入待融合的可見光及紅外圖像得到最終的融合圖像。
2.根據權利要求1所述的一種紅外和可見光圖像融合方法，其特征在于，步驟(1)所述的卷積神經網絡深度為10，包括輸入層、基本單元、卷積層和回歸層。
3.根據權利要求1所述的一種紅外和可見光圖像融合方法，其特征在于，所述步驟(1)包括以下步驟：
(11)將帶融合數據庫中的紅外和可見光圖像滑動分塊，根據融合網絡深度確定圖像塊的大小；
(12)輸入層之后是第1個卷積層，包含32個濾波器，卷積核為3×3；
(13)接下來的9層中的卷積核由維度為3×3×32的標準正態分布的隨機矩陣乘以分別計算得到，偏置全部為0，卷積層后跟隨一個激勵層，激勵層均選用漏修正線性單元函數；
(14)最后一層卷積層后使用回歸層。
4.根據權利要求1所述的一種紅外和可見光圖像融合方法，其特征在于，所述步驟(2)包括以下步驟：
(21)評價網絡中應用全連接層、logistics分類層替換GoogLeNet的池化層、全連接層、softmax分類層，然后輸入紅外和可見光數據進行網絡的微調；
(22)為防止訓練中出現過擬合現象，首先將GooLeNet中的前100層凍結，學習率設為0，不進行參數的更新，其他層初始的學習率為0.01。
5.根據權利要求1所述的一種紅外和可見光圖像融合方法，其特征在于，步驟(3)所述的目標函數為：
其中，K為所選用的卷積層總數量，k指的是第k層，Mk表示第k層濾波器個數，每個濾波器是大小的Nk的向量特征地圖。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于江蘇師范大學，未經江蘇師范大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811570632.6/1.html，轉載請聲明來源鉆瓜專利網。
