公开(公告)号：CN113112441B

公开(公告)日：2022-04-26

申请号：CN202110480624.8

申请日：2021-04-30

Applicant: 中北大学

Inventor： 蔺素珍 ,  禄晓飞 ,  田嵩旺 ,  李大威

IPC: G06T5/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及多波段图像同步超分与融合方法，即同步实现多波段图像融合和图像超分辨率，具体为基于密集网络和局部亮度遍历算子的多波段低分辨率图像同步融合方法,本方法按如下步骤进行：设计并构建生成对抗网络，网络结构采用构思的特征提取模块、特征融合模块和图像超分辨率模块三部分组成，通过生成器和判别器的动态平衡训练得到一个生成模型并得到融合增强结果。损失函数中内容损失的亮度提取部分采用构造的局部亮度遍历算子。本发明实现了多波段图像端到端同步超分与融合神经网络，由于在网络最后一层才放大源图像，大大提升网络的效率，降低资源耗费。

公开(公告)号：CN111915545A

公开(公告)日：2020-11-10

申请号：CN202010784272.0

申请日：2020-08-06

Applicant: 中北大学

Inventor： 蔺素珍 ,  田嵩旺 ,  禄晓飞 ,  李大威 ,  李毅 ,  王丽芳

IPC: G06T5/50 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及多波段图像融合方法，具体为基于多判别器生成对抗网络的多波段图像自监督融合方法，本方法按如下步骤进行：设计并构建生成对抗网络，网络由一个生成器和多个判别器组成，且标签图像为多波段源图像自身；生成器网络结构采用构思的特征增强模块、特征融合模块两部分组成，通过生成器和判别器的动态平衡训练得到一个生成模型并得到多波段图像融合结果。本发明实现了多波段图像端到端自监督融合的神经网络，结果具有更好的清晰度、信息量，细节信息更丰富，更符合人眼视觉特性。

公开(公告)号：CN111696066A

公开(公告)日：2020-09-22

申请号：CN202010538631.4

申请日：2020-06-13

Applicant: 中北大学

Inventor： 李大威 ,  田嵩旺 ,  蔺素珍 ,  杨博 ,  张海松

IPC: G06T5/50 ,  G06T3/40 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及多波段图像同步融合与增强方法，即同步实现多波段图像融合和图像超分辨率，具体为基于改进WGAN-GP的多波段图像同步融合与增强方法,本方法按如下步骤进行：设计并构建生成对抗网络，网络结构采用构思的特征提取（编码）网络、特征组合网络和解码网络三部分组成，通过生成器和判别器的动态平衡训练得到一个生成模型并得到融合增强结果。本发明实现了多波段图像端到端同步融合与增强的神经网络，使得低分辨率源图像融合出高质量融合结果。

公开(公告)号：CN110555458A

公开(公告)日：2019-12-10

申请号：CN201910672081.2

申请日：2019-07-24

Applicant: 中北大学

Inventor： 蔺素珍 ,  李大威 ,  杨晓莉 ,  王丽芳 ,  田嵩旺

IPC: G06K9/62

Abstract: 本发明涉及图像融合方法，尤其涉及多波段图像融合方法，具体为基于注意力机制生成对抗网络的多波段图像特征级融合方法。本方法按如下步骤进行：设计并构建生成对抗网络，生成器中包含混合注意力机制的特征增强模块，通过生成器和判别器的动态平衡训练得到一个生成模型；本方法实现了多波段图像端到端的神经网络融合，显著提高了融合图像的细节质量。

公开(公告)号：CN111915545B

公开(公告)日：2022-07-05

申请号：CN202010784272.0

申请日：2020-08-06

Applicant: 中北大学

Inventor： 蔺素珍 ,  田嵩旺 ,  禄晓飞 ,  李大威 ,  李毅 ,  王丽芳

IPC: G06T5/50 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及多波段图像融合方法，具体为基于多判别器生成对抗网络的多波段图像自监督融合方法，本方法按如下步骤进行：设计并构建生成对抗网络，网络由一个生成器和多个判别器组成，且标签图像为多波段源图像自身；生成器网络结构采用构思的特征增强模块、特征融合模块两部分组成，通过生成器和判别器的动态平衡训练得到一个生成模型并得到多波段图像融合结果。本发明实现了多波段图像端到端自监督融合的神经网络，结果具有更好的清晰度、信息量，细节信息更丰富，更符合人眼视觉特性。

公开(公告)号：CN111696066B

公开(公告)日：2022-04-19

申请号：CN202010538631.4

申请日：2020-06-13

Applicant: 中北大学

Inventor： 李大威 ,  田嵩旺 ,  蔺素珍 ,  杨博 ,  张海松

IPC: G06T5/50 ,  G06T3/40 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及多波段图像同步融合与增强方法，即同步实现多波段图像融合和图像超分辨率，具体为基于改进WGAN‑GP的多波段图像同步融合与增强方法,本方法按如下步骤进行：设计并构建生成对抗网络，网络结构采用构思的特征提取（编码）网络、特征组合网络和解码网络三部分组成，通过生成器和判别器的动态平衡训练得到一个生成模型并得到融合增强结果。本发明实现了多波段图像端到端同步融合与增强的神经网络，使得低分辨率源图像融合出高质量融合结果。

公开(公告)号：CN110555458B

公开(公告)日：2022-04-19

申请号：CN201910672081.2

申请日：2019-07-24

Applicant: 中北大学

Inventor： 蔺素珍 ,  李大威 ,  杨晓莉 ,  王丽芳 ,  田嵩旺

IPC: G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及图像融合方法，尤其涉及多波段图像融合方法，具体为基于注意力机制生成对抗网络的多波段图像特征级融合方法。本方法按如下步骤进行：设计并构建生成对抗网络，生成器中包含混合注意力机制的特征增强模块，通过生成器和判别器的动态平衡训练得到一个生成模型；本方法实现了多波段图像端到端的神经网络融合，显著提高了融合图像的细节质量。

公开(公告)号：CN113112441A

公开(公告)日：2021-07-13

申请号：CN202110480624.8

申请日：2021-04-30

Applicant: 中北大学

Inventor： 蔺素珍 ,  禄晓飞 ,  田嵩旺 ,  李大威

IPC: G06T5/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及多波段图像同步超分与融合方法，即同步实现多波段图像融合和图像超分辨率，具体为基于密集网络和局部亮度遍历算子的多波段低分辨率图像同步融合方法,本方法按如下步骤进行：设计并构建生成对抗网络，网络结构采用构思的特征提取模块、特征融合模块和图像超分辨率模块三部分组成，通过生成器和判别器的动态平衡训练得到一个生成模型并得到融合增强结果。损失函数中内容损失的亮度提取部分采用构造的局部亮度遍历算子。本发明实现了多波段图像端到端同步超分与融合神经网络，由于在网络最后一层才放大源图像，大大提升网络的效率，降低资源耗费。