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！

龙图腾网获悉杭州电子科技大学丽水研究院;丽水学院申请的专利基于频域解耦融合的轻量级RGB-D水下显著性目标检测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：CN121259556B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202511826069.4，技术领域涉及：G06V20/05；该发明授权基于频域解耦融合的轻量级RGB-D水下显著性目标检测方法是由孙垚棋;陆俊哲;王廷宇;赵强;盛熙淳;吴箭;陈娅红设计研发完成，并于2025-12-05向国家知识产权局提交的专利申请。

本基于频域解耦融合的轻量级RGB-D水下显著性目标检测方法在说明书摘要公布了：本发明公开了基于频域解耦融合的轻量级RGB‑D水下显著性目标检测方法，将RGB图和深度图输入频域解耦融合网络，首先通过双流编码器提取RGB特征和深度特征。然后采用频域解耦融合方法获得双模态融合特征，再通过分层加权融合模块进行自适应加权融合得到多层级语义特征。最后，基于多层级语义特征得到显著性预测图。本发明创新性地设计了频域解耦融合模块，通过在频域空间对深度特征和RGB特征进行解耦分析和自适应融合，有效提升了特征融合的效率和质量。其次，本发明提出了一种层级加权融合机制，通过动态评估相邻层级特征的相对贡献度，实现特征的自适应加权融合，从而显著增强了模型对多尺度显著性目标的检测能力。

本发明授权基于频域解耦融合的轻量级RGB-D水下显著性目标检测方法在权利要求书中公布了：1.基于频域解耦融合的轻量级RGB-D水下显著性目标检测方法，其特征在于，其基本步骤为： 将RGB图和深度图输入频域解耦融合网络，首先通过双流编码器提取RGB特征和深度特征； 然后采用频域解耦融合方法获得双模态融合特征； 再通过分层加权融合模块进行自适应加权融合得到多层级语义特征； 最后，基于多层级语义特征得到显著性预测图； 频域解耦融合方法的核心在于：首先对RGB特征和深度特征进行频域变换，将其分解为不同频率成分；随后，分别提取RGB特征的高频分量以保留其细节纹理信息，同时提取深度特征的低频分量以维持其空间结构信息；最后，通过频域反变换将提取得到的频率成分重构为双模态融合特征； 双模态融合特征获取具体如下： 首先，通过卷积操作对RGB特征和深度特征分别提取视觉模态特征和深度模态特征；随 后，采用Haar小波变换对这两个模态每个层级的特征分别进行多尺度分解，得到表征不同 方向细节信息的三个高频分量：、和，同时获得表征整体结构的低频 分量；基于模态特征的互补特性，将深度特征的低频信息与RGB特征的三个高频 分量、和进行选择性融合，并通过小波反变换重构得到优化后的双模态特征；最后，对其使用卷积和上采样使其特征尺寸统一到176,176,16得到双模态融合特 征； 进行自适应加权融合得到多层级语义特征具体如下： 将初步融合后的多层级双模态融合特征与、与两两输入到分层加权 融合模块HWFM中进行自适应加权融合，得到中间融合结果和，将和再输入到HWFM 模块中进行二次融合得到多层级语义特征； 分层加权融合模块具体实现如下： 首先对两个层级输入特征和分别进行全局平均池化操作，并经过卷积层处理，提 取特征中的全局上下文特征和随后，将两个全局上下文特征在通道维度进行拼接，通 过卷积层和Softmax函数后对通道维度进行拆分得到两个全局上下文特征对应的自适应权 重系数和；接着，利用获得的权重系数对输入特征进行加权融合；最后，通过特征相 加操作得到最终的特征表示。

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杭州电子科技大学丽水研究院;丽水学院，其通讯地址为：323010 浙江省丽水市莲都区南明山街道大沅街与绿源路交叉口东北侧半导体芯片产业园3号楼2-4层；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”。

以上内容由龙图腾AI智能生成。