当前位置: 首页 > 专利查询>东南大学专利>正文

一种基于混合专家模型的可见光-红外图像复原融合方法技术

技术编号:46596037 阅读:0 留言:0更新日期:2025-10-10 21:28
本发明专利技术公开了一种基于混合专家模型的可见光‑红外图像复原融合方法,针对可见光图像易受噪声、雾霾和模糊影响,而红外图像易出现条纹噪声的特点,本发明专利技术基于混合专家机制的图像复原融合模型,模型采用两阶段协同处理架构:第一阶段通过退化感知门控机制与多专家协同模块引导Transformer模块实现双模态图像的高质量复原,并提取复原特征;第二阶段复用并冻结第一阶段网络参数,通过特征前融合技术和融合感知门控机制实现图像融合。本发明专利技术不仅能有效解决多模态图像的特有退化问题,还通过门控多专家系统动态分配处理任务,显著提升了融合图像质量,为安防和医疗等领域的多模态图像处理提供了高效的解决方案。

【技术实现步骤摘要】

本专利技术涉及一种基于混合专家模型的可见光-红外图像复原融合方法,属于图像处理。


技术介绍

1、多模态图像融合旨在整合不同成像方式的互补信息,在救援行动、监控系统和遥感等任务中发挥着关键作用。通过结合可见光和红外成像等模态的优势,在红外成像中,红外焦平面阵列是捕捉热信息的关键组件。然而,由于不同列传感器使用不同的读出电路,这些电路的偏置电压差异常常导致红外图像中的条纹噪声,表现为交替出现的亮暗条纹。这种退化严重影响了红外图像的视觉质量和可解释性。同时,可见光图像经常遭受不同退化类型,如雾霾、噪声和模糊,这些退化在实际场景中非常常见,且大幅影响了可见光图像传递的信息与成像质量。这些复杂且交织的退化模式给现有的多模态图像融合方法带来了重大挑战,同时影响各种实际任务的实施。

2、低空环境下的红外与可见光图像数据具有高度互补性:红外图像通过热辐射成像,能够穿透烟雾、弱光等复杂环境,实现全天候目标探测,但存在分辨率低、缺乏细节特征等局限;可见光图像则可提供丰富的纹理、色彩和几何细节,但受光照条件和天气影响显著。这种特性差异使得单一传感器难以满足低空场景的本文档来自技高网...

【技术保护点】

1.一种基于混合专家模型的可见光-红外图像复原融合方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的基于混合专家模型的可见光-红外图像复原融合方法,其特征在于,所述步骤1中,对于可见光-红外退化图像对,其中的可见光退化图像的退化类型为低光、过曝光、雨、雾、模糊或随机噪声,其中的红外退化图像的退化类型为低对比度、条纹噪声或随机噪声。

3.根据权利要求1所述的基于混合专家模型的可见光-红外图像复原融合方法,其特征在于,所述步骤2中,第一和第二分支的结构相同,均包括退化感知门控模块和Transformer系统;其中,退化感知门控模块用于对输入的预处理后的可见光退...

【技术特征摘要】

1.一种基于混合专家模型的可见光-红外图像复原融合方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的基于混合专家模型的可见光-红外图像复原融合方法,其特征在于,所述步骤1中,对于可见光-红外退化图像对,其中的可见光退化图像的退化类型为低光、过曝光、雨、雾、模糊或随机噪声,其中的红外退化图像的退化类型为低对比度、条纹噪声或随机噪声。

3.根据权利要求1所述的基于混合专家模型的可见光-红外图像复原融合方法,其特征在于,所述步骤2中,第一和第二分支的结构相同,均包括退化感知门控模块和transformer系统;其中,退化感知门控模块用于对输入的预处理后的可见光退化图像或红外退化图像的退化类型进行识别;

4.根据权利要求3所述的基于混合专家模型的可见光-红外图像复原融合方法,其特征在于,所述步骤2中,二阶段图像融合网络包括融合感知门控模块和多专家协同模块;二阶段图像融合网络对第一分支输出的可见光复原特征和第二分支输出的红外复原特征进行融合,得到融...

【专利技术属性】
技术研发人员:孙一铭朱鹏飞李欣
申请(专利权)人:东南大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1