一种基于深度学习的多模态图像信息融合方法

本发明公开了一种基于深度学习的多模态图像信息融合方法，涉及图像处理技术领域，包括：获取光学显微模态与电子显微模态的图像数据，进行空间分辨率对齐；对光学显微图像数据采用量子纠缠态光场编码方法生成量子增强特征，对电子显微图像数据通过拓扑持久同调分析提取多尺度结构特征；将特征映射至张量空间，通过动态秩调整的张量环分解方法进行跨模态特征融合，生成联合表征张量，对联合表征张量进行物理约束重建，生成超分辨融合图像。通过量子增强特征与多尺度拓扑特征的融合、动态秩调整的张量环分解和Tucker分解降维压缩，实现高分辨率图像的高效融合、计算冗余的减少和处理效率的显著提升。