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！

龙图腾网获悉西安电子科技大学申请的专利基于双变换网络的深度学习SAR图像配准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：CN115731270B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202211433018.1，技术领域涉及：G06T7/33；该发明授权基于双变换网络的深度学习SAR图像配准方法是由毛莎莎;路世明;杨谨瑗;路凯;缑水平;焦李成设计研发完成，并于2022-11-16向国家知识产权局提交的专利申请。

本基于双变换网络的深度学习SAR图像配准方法在说明书摘要公布了：本发明公开一种基于双变换网络的深度学习SAR图像配准算法，主要解决现有深度学习的SAR配准方法获取匹配的图像对困难，匹配精度低，人工标注数据集成本过高及类别不平衡的问题。其实现方案为：1生成训练和测试数据集。2设置深度图像分类网络的分类头类别数目，构建双变换网络的两个分支；3训练双变换网络的两个分支，并利用训练好的双变换网络进行初步匹配，4在初步匹配的基础上进行精细匹配；5取两条支路共同认可的点对，并根据精细匹配的结果更新点对，获得最终匹配结果。本发明获取图像对简单且无需人工标注，数据集类别平衡，匹配精度高，可用于地质矿物资源检测及数字地形模型提取。

本发明授权基于双变换网络的深度学习SAR图像配准方法在权利要求书中公布了：1.一种基于双变换网络的深度学习SAR图像配准方法，其特征在于，包括如下步骤： 1生成数据集： 1a使用SIFT方法分别在参考图像R获取m个关键点和在待配准图像S上获取n个关键点1≤i≤m，1≤j≤n，并将这两者做初步配准，得到从待配准图像坐标系变换到参考图像坐标系的初始变换矩阵和从参考图像坐标系变换到待配准图像坐标系的初始变换矩阵 1b分别以和这些关键点为中心，按照64×64的大小对参考图像R和待配准图像S截图，删除不能够截图的点，剩下能进行截图的a个参考图像点和b个待配准图像点，得到参考图像集合和待配准图像集合1≤C≤a，1≤D≤b； 1c对和分别进行t次包括0°-20°的仿射变换及灰度变换，该与其变换后结果组合得到参考图像集合该以及变换后结果组合得到待配准图像集合再对和分别进行v次角度随机在0°-20°范围的仿射变换，该与其变换后的结果组合得到用于验证的参考图像集合样本集合该与其变换后的结果组成用于验证的待配准图像集合其中150≤t≤250；40≤v≤100； 2选用现有的深度图像分类网络，并设置分类头的类别数目，构建双变换网络的两个分支： 2a将参考图像上的关键点作为类别，在参考图像到待配准图像分支上取与参考图像集合中含有图片的个数相同的类别数目，将这些类别输入至深度图像分类网络的分类器，构成双变换网络的第一分支“R-S”； 2b将待配准图像上的关键点作为类别，在待配准图像到参考图像分支上取与待配准图像集合中含有图片个数相同的类别数目，将这些类别输入至深度图像分类网络的分类器，构成双变换网络的第二分支“S-R”； 3对网络的两个分支进行训练，获得双变换网络： 3a将参考图像集合作为训练集，将仿射变换后的参考图像集合作为验证集，采用梯度下降法对第一分支R-S进行训练，并在每次把训练数据集的全部样本训练完一遍后，使用验证集进行一次验证，当准确率达到目标及目标以上时，保存训练好的模型，得到训练好的双变换网络第一分支； 3b将待配准图像集合作为训练集，将仿射变换后的待配准图像集合作为验证集,采用梯度下降法对第二分支S-R进行训练，并在每次把训练数据集的全部样本训练完一遍后，使用验证集进行一次验证，当准确率达到目标及目标以上时保存训练好的模型，得到训练好的双变换网络第二分支； 3c将训练好的第一分支与训练好的第二分支进行并联，构成双变换网络； 4利用训练好的双变换网络，进行初步匹配： 4a利用1a中从待配准图像坐标系变换到参考图像坐标系的初始变换矩阵把待配准图像上的关键点变换到参考图像上，并删除不能截图的点生成点集合以中的点为中心截图制作测试图像集输入到训练好的双变换网络第一分支进行图片分类，若分为同类，则代表测试集图片对应的在待配准图像上面的点与作为类别的参考图像上面的点是匹配的点，并将其对应图像块相似度低于阈值的点删除，完成R-S支路的初步配准； 4b利用1a中从参考图像坐标系变换到待配准图像坐标系的初始变换矩阵把参考图像上的关键点变换到待配准图像上，并删除不能截图的点生成点集合以中的点为中心截图制作测试图像集输入到训练好的双变换网络第二分支进行图片分类，若分为同类，则代表测试集图片对应的在参考图像上面的点与作为类别的待配准图像上面的点是匹配的点，并将其对应图像块相似度低于阈值的点删除，完成S-R支路的初步配准； 5精细匹配： 5a在完成初步配准R-S支路的训练集点旁边重新选点截图，对4a得到的初步配准进行更新，得到点对集合中的R-S分支训练集上的点； 5b在完成初步配准的S-R支路的训练集点的旁边重新选点截图，对4b得到的初步配准进行更新，得到点对集合中的S-R分支训练集上的点； 5c选取两条支路都认可的点对，并根据5a和5b中更新匹配的结果对其进行更新，得到最终的配准结果。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号；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”。