買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜長春理工大學申請的專利一種基于循環生成對抗網絡的近紅外圖像彩色化方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115546198B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211394901.4，技術領域涉及：G06T7/00；該發明授權一種基于循環生成對抗網絡的近紅外圖像彩色化方法是由詹偉達;杜佳齊;李銳;郭人仲;姜靖恒設計研發完成，并于2022-11-08向國家知識產權局提交的專利申請。

本一種基于循環生成對抗網絡的近紅外圖像彩色化方法在說明書摘要公布了：一種基于循環生成對抗網絡的近紅外圖像彩色化方法，屬于圖像彩色化技術領域，為解決現有的彩色化方法得到的圖像缺乏精細細節，不符合人眼視覺效果，同時對數據集要求高且顏色不匹配的問題，該方法：準備數據集：對整個生成對抗網絡采用公開的近紅外數據集進行訓練；構建網絡模型；訓練網絡模型：將準備好的數據集輸入到構建好的網絡模型中訓練；獲得最小化損失函數值；微調模型；保存模型。在下采樣模塊中采用卷積塊和密集殘差塊的組合取代池化操作，使彩色化得到的圖像細節更精細。使用復合損失函數有助于學習圖像更精細的顏色與紋理信息，更符合人眼視覺觀察。使用循環生成對抗網絡的網絡架構，有效避免了彩色化網絡模型對于配對圖像的依賴。

本發明授權一種基于循環生成對抗網絡的近紅外圖像彩色化方法在權利要求書中公布了：1.一種基于循環生成對抗網絡的近紅外圖像彩色化方法，其特征是，該方法包含如下步驟：步驟1，準備數據集：對整個生成對抗網絡采用公開的近紅外數據集進行訓練，即RGB-NIR場景數據集；步驟2，構建網絡模型：整個網絡由兩個生成對抗網絡組成，包括生成器一、生成器二、鑒別器一和鑒別器二；生成器一由下采樣模塊、殘差模塊、上采樣模塊和跳躍連接組成，實現紅外圖像到彩色圖像的轉換，生成器二在生成器一的基礎上去掉殘差模塊，實現彩色圖像到紅外圖像的轉換，鑒別器一和鑒別器二均采用馬爾可夫鑒別器，判斷生成的假圖像是否足夠真實；所述下采樣模塊由卷積塊一至卷積塊五和密集殘差塊一至密集殘差塊五組成，用于從輸入的近紅外圖像中提取特征，其中，每個卷積塊將特征圖減小到一半，密集殘差塊提取并保留每個卷積塊后的信息；所述密集殘差塊包括卷積層、激活函數、拼接操作和跳躍連接，卷積核大小為3×3，步長和填充均為1，激活函數選擇ReLU函數，前四個拼接操作是使用concat，最后一個拼接操作使用add；所述殘差模塊由殘差塊一至殘差塊九組成，用于增加網絡深度；所述上采樣模塊由反卷積塊一至反卷積塊六和輸出塊組成，用于圖像重建，其中，反卷積塊對編碼器的信息進行解碼進而重構輸出圖像，輸出塊輸出重建的彩色圖像；所述跳躍連接用于將下采樣模塊的各尺度特征細節直接映射到上采樣模塊；所述鑒別器一和鑒別器二均由六個卷積塊組成，輸出真假概率信息判斷輸入圖像是否真實；步驟3，訓練網絡模型：將步驟1中準備好的數據集輸入到步驟2構建好的網絡模型中進行訓練；步驟4，獲得最小化損失函數值：通過最小化生成器和鑒別器的損失函數交替優化生成器和鑒別器，直到生成器和鑒別器的對抗達到平衡狀態即認為模型參數已訓練完成，保存模型參數；所述損失函數選擇使用對抗損失、循環一致性損失、內容損失和感知損失的復合損失函數；得到的彩色圖像在色度和亮度方面都接近真實的可見光圖像，能夠突出紅外圖像中的紋理和細節部分，提升人眼視覺效果；步驟5，微調模型：用近紅外與可見光圖像對模型進行訓練和微調，得到穩定可靠的模型參數，進一步提高模型彩色化的能力；步驟6，保存模型：將最終確定的模型參數進行固化，當需要對近紅外圖像進行彩色化時，直接將圖像輸入到網絡中即得到最終的彩色紅外圖像。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人長春理工大學，其通訊地址為：130022 吉林省長春市朝陽區衛星路7186號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。