買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜浙江大學申請的專利一種基于自模態相關與跨模態估計的多模態圖像配準方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119762559B 。

龍圖騰網通過國家知識產權局官網在2025-05-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510274637.8，技術領域涉及：G06T7/33；該發明授權一種基于自模態相關與跨模態估計的多模態圖像配準方法是由曹彥鵬;童希;唐溢禹;楊將新設計研發完成，并于2025-03-10向國家知識產權局提交的專利申請。

本一種基于自模態相關與跨模態估計的多模態圖像配準方法在說明書摘要公布了：本發明公開了一種基于自模態相關與跨模態估計的多模態圖像配準方法。方法包括：首先構建由圖像頻率分解、自模態相似性編碼、跨模態匹配估計、光流生成與精細化以及圖像變換模組構成的初始框架模型，然后將已配準的可見光和熱紅外圖像進行空間變換后構建為訓練集，對模型進行訓練獲得可見光與熱紅外配準模型，通過可見光與熱紅外配準模型對可見光與熱紅外圖像進行多模態圖像配準。本發明可以充分構建可見光與熱紅外圖像的自模態相似性，提升跨模態特征匹配估計的準確性，實現對于視角差異與模態差異顯著的可見光與熱紅外圖像的高精度配準，并且在夜晚、雨天、霧天等惡劣環境條件下依舊可以穩定地對可見光與熱紅外圖像進行配準，具有較強的魯棒性。

本發明授權一種基于自模態相關與跨模態估計的多模態圖像配準方法在權利要求書中公布了：1.一種基于自模態相關與跨模態估計的多模態圖像配準方法，其特征在于，包括：S1：構建由依次連接的圖像頻率分解模組、自模態相似性編碼模組、跨模態匹配估計模組、光流生成與精細化模組以及圖像變換模組構成的深度學習聯合網絡初始框架模型；S2：獲取若干已配準的可見光和熱紅外道路交通圖像并進行空間變換，模擬生成若干待配準的可見光和熱紅外道路交通圖像并構建為訓練集，將訓練集輸入深度學習聯合網絡初始框架模型中進行訓練后獲得訓練完成的可見光與熱紅外配準模型；S3：獲取待配準的可見光和熱紅外道路交通圖像并輸入可見光與熱紅外配準模型中，處理完成后輸出與熱紅外道路交通圖像配準完成的可見光道路交通圖像并在顯示器進行顯示，完成多模態圖像配準；所述的步驟S1中，深度學習聯合網絡初始框架模型的自模態相似性編碼模組包括高頻編碼器和低頻編碼器，跨模態匹配估計模組包括高頻估計器和低頻估計器，深度學習聯合網絡初始框架模型輸入的可見光和熱紅外道路交通圖像首先經圖像頻率分解模組處理后輸出可見光道路交通圖像高頻和低頻分量以及熱紅外道路交通圖像高頻和低頻分量，可見光和熱紅外道路交通圖像高頻分量輸入高頻編碼器中處理后輸出可見光和熱紅外高頻局部顯著特征圖，再輸入高頻估計器中進行處理后輸出兩個高頻局部跨模態匹配估計圖，可見光和熱紅外道路交通圖像低頻分量輸入低頻編碼器中處理后輸出可見光和熱紅外低頻全局自相關性特征圖，再輸入低頻估計器中進行處理后輸出兩個低頻全局跨模態匹配估計圖，兩個高頻局部跨模態匹配估計圖和兩個低頻全局跨模態匹配估計圖共同輸入光流生成與精細化模組處理后輸出光流估計圖，光流估計圖再輸入圖像變換模組中進行處理，最終輸出與熱紅外道路交通圖像配準完成的可見光道路交通圖像；所述的步驟S2中，針對每對已配準的可見光和熱紅外道路交通圖像，將其中的熱紅外道路交通圖像采用隨機參數生成的仿射變換模型、透視變換模型及薄板樣條變換模型中的一個或幾個進行空間變換處理后生成一張或幾張變換熱紅外道路交通圖像，將每張變換熱紅外道路交通圖像和原始的可見光道路交通圖像均組成一對待配準的可見光和熱紅外道路交通圖像并構建為訓練集；在深度學習聯合網絡初始框架模型進行訓練時，采用依次生成批量數據的方法進行訓練集的輸入，采用自適應學習率的梯度權重衰減方法進行模型參數的更新，并且采用梯度裁剪方法進行模型參數的調整，直至深度學習聯合網絡初始框架模型的損失函數收斂，獲得訓練完成的可見光與熱紅外配準模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江大學，其通訊地址為：310058 浙江省杭州市西湖區余杭塘路866號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。