買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西安理工大學(xué)申請的專利基于光場重聚焦特征學(xué)習(xí)的多聚焦圖像融合方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN117079106B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-08發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202311039501.6，技術(shù)領(lǐng)域涉及：G06V10/86；該發(fā)明授權(quán)基于光場重聚焦特征學(xué)習(xí)的多聚焦圖像融合方法是由肖照林;魯世昱;金海燕;李秀秀設(shè)計研發(fā)完成，并于2023-08-17向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于光場重聚焦特征學(xué)習(xí)的多聚焦圖像融合方法在說明書摘要公布了：本發(fā)明公開的基于光場重聚焦特征學(xué)習(xí)的多聚焦圖像融合方法，具體為：步驟1，構(gòu)建出光場訓(xùn)練數(shù)據(jù)集；步驟2，建立軸向滑動散焦特征提取模塊；步驟3，建立一種基于編碼?解碼器的級聯(lián)網(wǎng)絡(luò)，得到的級聯(lián)網(wǎng)絡(luò)中單獨(dú)取出編碼器網(wǎng)絡(luò)結(jié)構(gòu)并凍結(jié)其參數(shù)作為特征提取模塊，將步驟2中獲得的初步融合結(jié)果依次作為輸入交給特征提取模塊，計算出每個位置像素點(diǎn)的清晰度權(quán)重大小并選取每個像素位置權(quán)重最大值來記錄索引，根據(jù)索引信息拼接出清晰成像特征圖完成預(yù)提取過程；步驟4，建立基于多尺度深度學(xué)習(xí)網(wǎng)絡(luò)模型并完成訓(xùn)練。該方法能夠解決由于光學(xué)成像鏡頭自由度限制以及受離焦擴(kuò)散效應(yīng)的影響，多聚焦圖像融合結(jié)果往往出現(xiàn)離焦模糊特征的問題。

本發(fā)明授權(quán)基于光場重聚焦特征學(xué)習(xí)的多聚焦圖像融合方法在權(quán)利要求書中公布了：1.基于光場重聚焦特征學(xué)習(xí)的多聚焦圖像融合方法，其特征在于，具體為： 步驟1，構(gòu)建出光場訓(xùn)練數(shù)據(jù)集； 步驟2，建立一種基于共享權(quán)重網(wǎng)絡(luò)與BlurFeatureAttentionModule結(jié)合的軸向滑動散焦特征提取模塊，對光場重聚焦數(shù)據(jù)集進(jìn)行聚焦和散焦特征的提取與融合訓(xùn)練，得到初步的融合結(jié)果； 步驟2具體為： 步驟2.1，設(shè)用于訓(xùn)練軸向滑動散焦特征提取模塊的原始輸入數(shù)據(jù)為S1，構(gòu)建軸向滑動散焦特征提取模塊，構(gòu)建的軸向滑動散焦特征提取模塊共包含有2個BlurFeatureAttentionModule及6個卷積塊；其中6個卷積塊分別為Conv1、Conv2、Conv3、Conv4、Conv5、Conv6； 步驟2.2，根據(jù)軸向滑動散焦特征提取模塊窗口大小的不同，按照光場重聚焦數(shù)據(jù)集、COCO2017數(shù)據(jù)集、顯微數(shù)據(jù)集、驗(yàn)證集6：1：1：2比例，訓(xùn)練對應(yīng)相同窗口大小的軸向滑動散焦特征提取模塊； 步驟2.3，選取焦面數(shù)量大于等于軸向滑動散焦特征提取模塊窗口大小的光場重聚焦數(shù)據(jù)集作為輸入，以窗口大小為2，設(shè)置光場重聚焦數(shù)據(jù)集大小為N，將所有光場重聚焦數(shù)據(jù)集按照窗口大小分組，若N不能整除窗口大小，則使用除余后的數(shù)據(jù)集和順序相鄰的數(shù)據(jù)集進(jìn)行補(bǔ)齊，直至等于窗口大小數(shù)，得到?N2?組數(shù)據(jù)集，將其交給由步驟2.2訓(xùn)練完成后得到的軸向滑動散焦特征提取模塊，得到初步融合結(jié)果； 步驟3，建立一種基于編碼-解碼器的級聯(lián)網(wǎng)絡(luò)，得到的級聯(lián)網(wǎng)絡(luò)中單獨(dú)取出編碼器網(wǎng)絡(luò)結(jié)構(gòu)并凍結(jié)其參數(shù)作為特征提取模塊，將步驟2中獲得的初步融合結(jié)果依次作為輸入交給特征提取模塊，計算出每個位置像素點(diǎn)的清晰度權(quán)重大小并選取每個像素位置權(quán)重最大值來記錄索引，根據(jù)索引信息拼接出清晰成像特征圖?完成預(yù)提取過程；步驟4，建立基于多尺度深度學(xué)習(xí)網(wǎng)絡(luò)模型并完成訓(xùn)練； 步驟4中，構(gòu)建的基于多尺度深度學(xué)習(xí)網(wǎng)絡(luò)模型，共包含8個漲點(diǎn)卷積塊、6個殘差-漲點(diǎn)卷積結(jié)構(gòu)塊、2個轉(zhuǎn)置卷積層、2個FeatureAttentionModule、2個AFF模塊、2個SCM模塊。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西安理工大學(xué)，其通訊地址為：710048 陜西省西安市碑林區(qū)金花南路5號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。