[发明专利]图像融合方法及装置、计算机设备和可读存储介质

权利要求书

1.一种图像融合方法，其特征在于，所述方法包括：

获取电力设备的多源图像的第一数据集，并根据所述第一数据集对预设的自编码器模型进行训练以优化自编码器模型，所述多源图像是指帧率同步的历史偏振度图像和历史RGB图像所组成的图像；

获取电力设备的实时偏振度图像的第二数据集和实时RGB图像的第三数据集，并根据所述第二数据集、所述第三数据集和优化后的所述自编码器模型分别获取两个图像的高维度的输入特征向量；

根据两个图像对应的所述输入特征向量和预设的注意力机制分别获取空间维度和通道维度上各所述输入特征向量的权重向量及与所述权重向量相关联的融合特征向量；

根据所述融合特征向量和优化后的所述自编码器模型获取电力设备的融合图像。

2.根据权利要求1所述的方法，其特征在于，所述获取电力设备的多源图像的第一数据集，包括：

获取电力设备的所述历史偏振度图像和所述历史RGB图像；

根据所述历史偏振度图像和所述历史RGB图像获取所述多源图像，以获取所述多源图像的所述第一数据集。

3.根据权利要求2所述的方法，其特征在于，所述获取电力设备的所述历史偏振度图像，包括：

获取电力设备的多个不同偏振角的偏振图像，并根据所述偏振图像和预设的斯托克斯矢量获取偏振光水平分量和偏振光对角分量；

根据所述偏振光水平分量和所述偏振光对角分量获取所述历史偏振度图像。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第一数据集对预设的自编码器模型进行训练以优化自编码器模型，包括：

根据所述第一数据集和预设的所述自编码器模型获取输出图像；

根据所述输出图像、所述多源图像和预设的损失函数进行损失计算以获取图像损失参数；

根据所述图像损失参数对所述自编码器模型的模型参数进行迭代更新，以优化所述自编码器模型。

5.根据权利要求4所述的方法，其特征在于，所述根据所述第一数据集和预设的所述自编码器模型获取输出图像，包括：

根据所述第一数据集和预设的所述自编码器模型获取所述多源图像的高维度的多源特征向量；

根据所述多源特征向量和所述自编码器模型获取所述输出图像。

6.根据权利要求1所述的方法，其特征在于，所述根据两个图像对应的所述输入特征向量和预设的注意力机制分别获取空间维度和通道维度上各所述输入特征向量的权重向量及与所述权重向量相关联的融合特征向量，包括：

根据两个图像对应的所述输入特征向量和预设的所述注意力机制分别获取空间维度和通道维度上各所述输入特征向量的所述权重向量；

根据各所述输入特征向量、各所述输入特征向量在空间维度和通道维度上对应的所述权重向量和所述注意力机制获取所述融合特征向量。

7.根据权利要求6所述的方法，其特征在于，所述融合特征向量可以通过以下公式获取：

式中，和分别为所述实时偏振度图像的所述输入特征向量和所述实时RGB图像的所述输入特征向量，α_p、β_p、α_RGB和β_RGB分别为所述实时偏振度图像和所述实时RGB图像在空间维度和通道维度上对应的所述权重向量，和分别为所述注意力机制基于空间维度和通道维度输出的特征向量，为所述融合特征向量。