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！

龙图腾网获悉贵州电网有限责任公司申请的专利一种针对耐张线夹数字射线图像的拼接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：CN119887513B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411825014.7，技术领域涉及：G06T3/4038；该发明授权一种针对耐张线夹数字射线图像的拼接方法及系统是由曾宪武;白洁;尤明洋;王先锋;李波;田地;樊磊;简蓓;李生福;耿铭迪;刘力皓;秦袁;唐猛;王远航;曾稳植;黄家瑞;蔡馨雅;古洪瑜设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本一种针对耐张线夹数字射线图像的拼接方法及系统在说明书摘要公布了：本发明公开了一种针对耐张线夹数字射线图像的拼接方法及系统，涉及图像拼接技术领域，包括获取耐张线夹数字射线图像并进行预处理，得到预处理图像；对所述预处理图像进行特征点检测，提取特征点；利用网格模型对提取的特征点进行特征匹配，得到待配准图像；基于所述待配准图像进行图像融合，实现耐张线夹数字射线图像的拼接。本发明针对耐张线夹连续两次射线拍摄出图存在视差，根据距离计算的权重因子来调整全局单应性变换模型的参数，解决视差问题而产生的重叠区域伪影问题。

本发明授权一种针对耐张线夹数字射线图像的拼接方法及系统在权利要求书中公布了：1.一种针对耐张线夹数字射线图像的拼接方法，其特征在于：包括： 获取耐张线夹数字射线图像并进行预处理，得到预处理图像； 对所述预处理图像进行特征点检测，提取特征点； 利用网格模型对提取的特征点进行特征匹配，得到待配准图像； 基于所述待配准图像进行图像融合，实现耐张线夹数字射线图像的拼接； 基于所述待配准图像进行图像融合是指设计改进型递归拼接神经网络E-RSNet进行图像融合； 所述改进型递归拼接神经网络E-RSNet的核心在于递归特征融合模块，递归特征融合模块通过多层次的特征融合策略，整合不同尺度的图像特征；设输入图像的特征表示为Y1，通过递归特征融合模块与点卷积核Kpoint进行卷积操作，得到融合后的特征表示Y，具体公式如下： Y＝Y1#Kpoint 其中，#为卷积运算；Kpoint为可学习的点卷积核参数； 所述改进型递归拼接神经网络E-RSNet的网络架构设计基于EfficientNet的编码器-解码器结构，具体架构如下： Fencode＝EfficientNetX F*decode＝DecoderF*encode Y1＝F*decode*K*depth 在核心模型的基础上，改进型递归拼接神经网络E-RSNet引入了递归特征融合模块和多头自注意力机制，包括： 递归特征融合模块通过多次迭代融合不同层次的特征； 多头自注意力机制使网络能够聚焦于图像中的关键区域； 自注意力机制通过计算不同位置之间的相关性权重，实现对重要特征的聚焦，自注意力机制的具体公式如下： 其中，Q为查询；K为键；V为值；dk为键的维度； 多头自注意力机制在改进型递归拼接神经网络E-RSNet中被多次应用，通过在不同子空间中并行计算注意力，挖掘图像中的全局信息，自注意力机制进一步扩展后得到多头自注意力机制，多头自注意力机制的具体公式如下： Yt+1＝AttentionYt+X*Kdepth 其中，Yt为第t次迭代后的特征图；Attention·为多头自注意力机制对特征图的处理结果； 为提升改进型递归拼接神经网络E-RSNet的性能，在关键模块上进行优化，优化包括递归特征融合模块的动态权重调整、多头自注意力机制的层次化注意力模块和模型的动态剪枝与混合精度量化技术； 所述递归特征融合模块的动态权重调整是指针对递归特征融合模块，采用动态权重调整策略，使得不同层级的特征在融合过程中能够自适应地赋予不同的权重，设第l层的特征为Yl，权重调整后的融合公式如下： 其中，αl为第l层的动态权重参数； 所述多头自注意力机制的层次化注意力模块是指在多头自注意力机制中，引入层次化注意力模块，在不同尺度上分别计算注意力权重，具体公式如下： MultiHeadAttentionQ,K,V＝Concathead1,head2,...,headhWO headi＝AttentionQWiQ,KWiK,VWiV 其中，headi为第i个头的注意力。

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贵州电网有限责任公司，其通讯地址为：550002 贵州省贵阳市南明区滨河路17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。