摘要
本发明提供一种基于元组扰动的双模态图像融合方法、装置及存储介质,涉及图像融合处理技术领域;通过采集跨模态图像组,构建包含编码器、特征融合网络和解码器的模型;基于元组扰动对比学习框架训练编码器,可挖掘跨模态共享与互补特征,通过元组扰动模块构建可学习的正负样本对,避免依赖同一模态,增强泛化性;特征融合网络利用跨模态深层特征进行互补特征融合和多尺度语义聚合训练,提升融合图像质量;多尺度语义聚合解决了细节丢失问题,空间特征校准强化细节,使融合图像保留双模态特性,增强语义一致性;构建组合损失函数,综合像素强度与梯度结构差异优化模型,提高性能与鲁棒性,确保融合图像保留关键信息,视觉效果与准确性更优。
技术关键词
特征融合网络
图像融合方法
跨模态
多尺度
双模态图像
互补特征
语义
多级特征融合
可见光图像
融合特征
编码器
校准
损失函数优化
样本
解码器
图像增强
上下文特征
双线性
系统为您推荐了相关专利信息
语义分割模型
编码特征
融合多模态特征
解码
空间金字塔池化
农作物害虫
动态纹理
检测网络模型
采样模块
分支
网络流量日志
大语言模型
动态更新
动态记忆网络
注意力机制