买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜长春理工大学申请的专利一种基于循环生成对抗网络的近红外图像彩色化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115546198B 。

龙图腾网通过国家知识产权局官网在2025-03-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211394901.4，技术领域涉及：G06T7/00；该发明授权一种基于循环生成对抗网络的近红外图像彩色化方法是由詹伟达;杜佳齐;李锐;郭人仲;姜靖恒设计研发完成，并于2022-11-08向国家知识产权局提交的专利申请。

本一种基于循环生成对抗网络的近红外图像彩色化方法在说明书摘要公布了：一种基于循环生成对抗网络的近红外图像彩色化方法，属于图像彩色化技术领域，为解决现有的彩色化方法得到的图像缺乏精细细节，不符合人眼视觉效果，同时对数据集要求高且颜色不匹配的问题，该方法：准备数据集：对整个生成对抗网络采用公开的近红外数据集进行训练；构建网络模型；训练网络模型：将准备好的数据集输入到构建好的网络模型中训练；获得最小化损失函数值；微调模型；保存模型。在下采样模块中采用卷积块和密集残差块的组合取代池化操作，使彩色化得到的图像细节更精细。使用复合损失函数有助于学习图像更精细的颜色与纹理信息，更符合人眼视觉观察。使用循环生成对抗网络的网络架构，有效避免了彩色化网络模型对于配对图像的依赖。

本发明授权一种基于循环生成对抗网络的近红外图像彩色化方法在权利要求书中公布了：1.一种基于循环生成对抗网络的近红外图像彩色化方法，其特征是，该方法包含如下步骤：步骤1，准备数据集：对整个生成对抗网络采用公开的近红外数据集进行训练，即RGB-NIR场景数据集；步骤2，构建网络模型：整个网络由两个生成对抗网络组成，包括生成器一、生成器二、鉴别器一和鉴别器二；生成器一由下采样模块、残差模块、上采样模块和跳跃连接组成，实现红外图像到彩色图像的转换，生成器二在生成器一的基础上去掉残差模块，实现彩色图像到红外图像的转换，鉴别器一和鉴别器二均采用马尔可夫鉴别器，判断生成的假图像是否足够真实；所述下采样模块由卷积块一至卷积块五和密集残差块一至密集残差块五组成，用于从输入的近红外图像中提取特征，其中，每个卷积块将特征图减小到一半，密集残差块提取并保留每个卷积块后的信息；所述密集残差块包括卷积层、激活函数、拼接操作和跳跃连接，卷积核大小为3×3，步长和填充均为1，激活函数选择ReLU函数，前四个拼接操作是使用concat，最后一个拼接操作使用add；所述残差模块由残差块一至残差块九组成，用于增加网络深度；所述上采样模块由反卷积块一至反卷积块六和输出块组成，用于图像重建，其中，反卷积块对编码器的信息进行解码进而重构输出图像，输出块输出重建的彩色图像；所述跳跃连接用于将下采样模块的各尺度特征细节直接映射到上采样模块；所述鉴别器一和鉴别器二均由六个卷积块组成，输出真假概率信息判断输入图像是否真实；步骤3，训练网络模型：将步骤1中准备好的数据集输入到步骤2构建好的网络模型中进行训练；步骤4，获得最小化损失函数值：通过最小化生成器和鉴别器的损失函数交替优化生成器和鉴别器，直到生成器和鉴别器的对抗达到平衡状态即认为模型参数已训练完成，保存模型参数；所述损失函数选择使用对抗损失、循环一致性损失、内容损失和感知损失的复合损失函数；得到的彩色图像在色度和亮度方面都接近真实的可见光图像，能够突出红外图像中的纹理和细节部分，提升人眼视觉效果；步骤5，微调模型：用近红外与可见光图像对模型进行训练和微调，得到稳定可靠的模型参数，进一步提高模型彩色化的能力；步骤6，保存模型：将最终确定的模型参数进行固化，当需要对近红外图像进行彩色化时，直接将图像输入到网络中即得到最终的彩色红外图像。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长春理工大学，其通讯地址为：130022 吉林省长春市朝阳区卫星路7186号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。