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！

龙图腾网获悉西安交通大学申请的专利基于交叉曼巴动态特征融合优化单应性估计模型构建方法及系统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：CN119810605B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411994658.9，技术领域涉及：G06V10/80；该发明授权基于交叉曼巴动态特征融合优化单应性估计模型构建方法及系统是由马永强;钟家勇;杨攀奇;井皓东;郑南宁设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本基于交叉曼巴动态特征融合优化单应性估计模型构建方法及系统在说明书摘要公布了：本发明公开了基于交叉曼巴动态特征融合优化单应性估计模型构建方法及系统，包括以下步骤：搭建网络的整体框架，网络全部由神经网络层构成，包括输入模块特征金字塔、粗匹配模块，精匹配模块；设置交叉曼巴模型的结构；设置粗匹配模块内部交叉曼巴模型的数量、连接方式和类型；训练网络，获得单应性估计网络，曼巴网络用于多模态图像融合，更好地探索模态内和模态间特征，同时动态增强源图像的细节纹理信息和每种模态的特定信息；对于网络的特征提取和重建部分，我们通过将视觉状态空间模型与动态卷积和通道注意力相结合，设计了一个适用于融合任务的曼巴模型，不仅保持曼巴的性能和全局建模能力，还减少通道冗余并增强了局部特征提取能力。

本发明授权基于交叉曼巴动态特征融合优化单应性估计模型构建方法及系统在权利要求书中公布了：1.一种基于交叉曼巴动态特征融合优化单应性估计模型构建方法，其特征在于，包括以下步骤： 构建网络模型包括输入模块、粗匹配模块和精匹配模块；输入模块用于提取图像不同尺度的输入特征，粗匹配模块用于生成粗级匹配，精匹配模块用于生成最后的精匹配数组； 设置输入模块的提取特征尺寸，设置粗匹配模块结构，粗匹配模块内部采用交叉曼巴模型；设置精匹配模块算法，采用的随机抽样一致性几何方法； 优化网络模型内部权重连接参数，获得单应性估计网络模型； 网络模型整体框架中： 输入模块为特征金字塔网络，对给定的一对输入图像，提取原始图像维度八分之一大小的粗级特征图Cl和原始图像维度二分之一大小的细级特征图Fl，粗级特征图Cl和细级特征图Fl分别输入粗匹配模块和精匹配模块； 粗匹配模块将两个粗特征C0和C1输入交叉曼巴模块组进行模态内和模态间的学习，生成像素到像素的置信度矩阵Pc，通过对Pc进行阈值处理，进行相互最近邻搜索，确定粗级匹配数组Mc； 精匹配模块使用经典的随机抽样一致性几何方法，对给定粗级匹配数组Mc和前面的精细特征F0和F1，在精细特征图上定位粗匹配位置，进行裁剪转换计算匹配概率，最后生成子像素匹配数组Mf； 相同的两个特征x1输入自交叉曼巴模型，进行模态内的学习，相同的两个特征x2输入自交叉曼巴模型，进行模态内的学习，得到新的特征x1，x2后，两者进行交叉组合后x1，x2,x2，x1；输入交叉的交叉曼巴模型，进行模态间的学习；上述流程重复多次，即多个[self,cross]模块，得到动态增强源图像的细节纹理信息和每种模态的信息； 交叉曼巴利用交叉扫描机制，采用四向扫描策略，使特征中的每个元素以不同方向从所有其他位置整合信息，形成全局感受野，融入单应性注意力组件，建立来自不同模态的输入特征之间的连接； 单应性注意力采用两阶段方法融合特征信息，通过卷积和激活函数学习图像特征最后生成特征权重值，具体的，第一阶段首先将不同模态的图像特征x1、x2分别通过视觉状态空间模块学习各自图像内部信息，将得到输出y1，y2经过单应性注意力模块计算局部注意力权重U，根据特征的重要性对初始y1，y2特征进行动态加权和特征组合； 第二阶段，将混合特征输入视觉状态空间模块，增强学习到的融合特征信息，对原始特征信息x1，x2进行动态加权和特征组合。

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交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。

以上内容由龙图腾AI智能生成。