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！

龙图腾网获悉南京工业大学申请的专利一种基于学习特征和对极几何约束的多模态图像匹配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：CN120726352B 。

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：202511164926.9，技术领域涉及：G06V10/74；该发明授权一种基于学习特征和对极几何约束的多模态图像匹配方法及系统是由陈宇;韩翼设计研发完成，并于2025-08-20向国家知识产权局提交的专利申请。

本一种基于学习特征和对极几何约束的多模态图像匹配方法及系统在说明书摘要公布了：本发明涉及一种基于学习特征和对极几何约束的多模态图像匹配方法及系统，包括通过小波变换对输入的影像进行边缘增强处理；基于改造的卷积神经网络提取多尺度稠密特征图，并结合主方向归一化生成具有旋转与尺度不变性的特征描述子；采用FLANN算法和动态距离约束实现初步特征匹配；引入基础矩阵构建与对极几何一致性校验机制，并结合RANSAC仿射约束模型，剔除误匹配点对。本发明方法融合图像增强、深度学习和几何验证策略，有效解决多模态影像间因成像机制差异带来的辐射非线性与几何畸变问题，提升匹配精度和鲁棒性，适用于光学‑SAR配准、多源影像融合及地表变化检测等遥感应用场景。

本发明授权一种基于学习特征和对极几何约束的多模态图像匹配方法及系统在权利要求书中公布了：1.一种基于学习特征和对极几何约束的多模态图像匹配方法，其特征在于，包括以下步骤： S1、针对来源不同的跨源多模态遥感影像对进行预处理，获得原始影像对； S2、对原始影像对分别进行Haar小波变换分解和加权处理，再通过逆小波变换进行加权重构，获得包含多尺度细节结构的增强图像，强化结构细节并提高特征点在弱纹理区域的稳定性与区分性； S3、将包含多尺度细节结构的增强图像输入改进的VGG-16卷积神经网络中进行特征提取，构建局部方向直方图以估计特征点的主方向，对每个特征点的特征描述子进行方向归一化处理；特征提取过程中结合多尺度特征融合策略，生成多尺度稠密特征图，进而得到具有旋转与尺度不变性的特征描述子； S4、采用FLANN算法对特征点进行初始匹配并构造差异向量，并基于余弦相似度设计动态阈值约束判别机制，实现动态自适应距离约束，剔除伪匹配点对，同时引入单向唯一性约束规则，仅保留源影像中每个特征点在目标影像中的最优匹配结果，构成初步特征点匹配对集合； S5、基于初步特征点匹配对集合构建基础矩阵，计算初步特征点匹配对的对极误差，对其几何一致性进行判断；构建RANSAC仿射约束模型，结合仿射约束与RANSAC算法进行内点估计与模型优化，剔除错误匹配点对，最终获得稳定可靠的高质量特征匹配点集。

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南京工业大学，其通讯地址为：211816 江苏省南京市浦口区浦珠南路30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。