一种基于空频交互的多模态图像融合方法

AITNT
正文
推荐专利
一种基于空频交互的多模态图像融合方法
申请号:CN202510400731
申请日期:2025-04-01
公开号:CN120318631B
公开日期:2025-12-09
类型:发明专利
摘要
一种基于空频交互的多模态图像融合方法,包括以下步骤:构建模态特定特征提取器,用于提取不同模态的模态特定特征;提取频域特征,利用离散小波变换将图像从空域变换到频域,使用多尺度频域融合模块分别融合低频和高频特征;使用基于视觉状态空间模型的空频交互融合模块,利用多尺度频域融合得到的频域特征,指导空域融合,提取更全面的互补特征;结合融合后的空域和频域特征,得到融合图像。本发明相比于其他方法,能够生成细节信息更丰富和视觉质量更高的融合图像;基于状态空间模型,能够以线性计算复杂度来进行全局上下文信息建模;引入空频交互机制,可以充分挖掘空域和频域的互补信息,以更好的提取互补特征,从而达到更高的融合质量。
技术关键词
状态空间模型 高频特征 互补特征 频域特征 融合特征 图像融合方法 空域特征 多尺度 离散小波变换 多模态图像数据 局部空间特征 注意力 视觉 特征提取器 空间模块 交互机制 线性
系统为您推荐了相关专利信息
1
一种基于通道分组与预测校正的多变量时序预测的方法
变量 皮尔逊相关系数 联合特征提取 短时傅里叶变换 周期性
2
一种顾及边界信息的图像分割方法、存储介质、设备
多任务联合学习 图像分割模型 特征融合网络 图像分割方法 边界特征
3
基于深度学习的非侵入式脑机接口系统及其信号处理方法
侵入式脑机接口 深度学习模型训练 信号处理方法 信号预处理模块 信号采集模块
4
球面透镜多模态光学检测分拣方法及系统
检测分拣方法 均匀性特征 分拣透镜 曲率特征 分拣系统
5
基于深度学习的隔离器剩余使用寿命预测方法
循环神经网络模型 隔离器 时序依赖关系 序列 高频采样数据
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号