专利交易市场

本发明公开了一种基于图像融合的黑色素瘤数据增强方法，包括：获取黑色素瘤数据集并将黑色素瘤数据集中的图像统一尺寸；遍历统一尺寸后的图像，对每个图像执行如下操作：将图像对半裁剪，获得两张裁剪后的图像；对两张裁剪后的图像随机翻转其中一张，记随机翻转后的裁剪图像为第一图像，未随机翻转的裁剪图像为第二图像；随机获取一个[0,1]的比例数，按比例数融合第一图像和第二图像形成融合图像；保存全部融合图像，完成黑色素瘤数据集中图像的数据增强。该方法通过对图像自身进行裁剪处理后按比例数融合实现图像数据增强，从而达到数据类别平衡及扩充数据量，提高模型鲁棒性的目的，可精准识别黑色素瘤。

本发明属于医学图像处理技术领域，并公开了一种基于Transformer和双分支特征解耦的多模态医学图像融合方法、系统、设备及介质，包括：获取多模态医学图像，对所述多模态医学图像进行归一化处理，得到预处理后的多模态医学图像；将预处理后的多模态医学图像输入医学图像融合模型中进行图像融合，得到融合图像；其中，所述医学图像融合模型包括依次连接的浅层特征提取模块、双模态交叉注意力模块、双分支特征解耦模块和拼接融合模块。本发明所述技术方案通过全面融合双模态医学图像的特征，显著提升了图像融合效果，能够更好地捕捉和结合不同模态间的细节与结构信息，从而为医学影像分析提供更为精准和全面的支持。

本发明提出了基于GAN和Transformer的全色与多光谱遥感图像融合方法，解决纹理等细节信息丢失和光谱失真的问题。本方法采用特定的生成对抗网络结构，设计了并行的基础层和细节层支路，有效地提取图像的纹理和光谱特征。通过引导滤波器进行源图像分解。通过使用卷积神经网络和Transformer网络，该方法能够分别有效地提取图像的局部纹理和全局光谱特征。判别器部分则包含两个专门设计的子网络，分别对基础层和细节层进行判别。本方法满足遥感图像融合的高质量需求，以确保在融合过程中既保留了空间分辨率高的全色图像的纹理信息，又尽可能多地传递了光谱分辨率高的多光谱图像的光谱信息，为遥感图像分析提供了强大的工具。