摘要
本发明涉及图像优化技术领域,公开了一种基于深度特征提取的图像无损融合方法及系统,其方法包括以下步骤,收集来自不同传感器的多模态输入数据,对多模态输入数据中的每种模态进行预处理,多模态输入数据包括可见光图像、红外图像、深度图,使用多层脉冲神经元网络用于模拟生物神经元的脉冲发放特性,对多模态输入数据进行时序特征提取,捕捉不同层次的特征表示。本发明通过SNN算法进行深度特征提取进行图像融合,能够有效解决传统方法在处理红外与可见光图像时面临的特征互斥和模态冲突问题,可从具象图像转换为抽象特征,再将抽象特征转换到融合图像的端到端转换流程,满足动态场景下的实时性与保真度需求。
技术关键词
深度特征提取
融合方法
颜色校正
动态权重分配
压缩特征
脉冲特征
可见光图像
传感器
特征金字塔
图像优化技术
Sigmoid函数
动态权重优化
融合策略
反馈调节机制
数据
时序
多模态
上采样
系统为您推荐了相关专利信息
数据融合方法
系统误差
船舶运动模型
轨迹
匈牙利算法
场景文本图像
频域特征
图像块
篡改检测方法
计算机执行指令