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！

龙图腾网获悉浙江大学申请的专利一种基于测试阶段优化的跨模态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：CN116523980B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202310476325.6，技术领域涉及：G06T7/33；该发明授权一种基于测试阶段优化的跨模态图像配准方法是由傅思翰;龚小谨设计研发完成，并于2023-04-28向国家知识产权局提交的专利申请。

本一种基于测试阶段优化的跨模态图像配准方法在说明书摘要公布了：本发明公开了一种基于测试阶段优化的跨模态图像配准方法。本发明使用测试阶段优化方法在同模态图像训练得到配准神经网络的基础上，针对跨模态图像进行配准。网络模型首先利用一个两分支的骨架网络分别输入原始图像对和模态不变性图像对，然后提取两分支的图像特征并分别计算代价体积，接着借助代价聚合网络模型融合并精炼两个分支的代价信息，最后将得到的结果输入到迭代单应变换估计器。本发明首先利用同模态图像数据集，训练骨架网络和迭代单应变换估计器；训练结束后，在测试阶段针对具体的测试图像对，对代价聚合网络模型进行训练。实验结果证明，无需额外的多光谱或者多模态训练图像，本发明的平均角点误差性能处于领域前列。

本发明授权一种基于测试阶段优化的跨模态图像配准方法在权利要求书中公布了：1.一种基于测试阶段优化的跨模态图像配准方法，其特征在于，包括以下步骤： 1利用同模态图像配准数据集对同模态图像配准网络模型进行训练，获得训练好的同模态图像配准网络模型； 2根据训练好的同模态图像配准网络模型构建跨模态图像配准网络模型，将测试跨模态图像对输入到跨模态图像配准网络模型中进行测试阶段优化，优化完成后输出当前测试跨模态图像对的配准结果； 所述同模态图像配准网络模型包括第一卷积神经网络、第一特征相似度层、第一查找算子层和第一迭代单应性估计器，同模态图像配准数据集输入到第一卷积神经网络中，第一特征相似度层计算第一卷积神经网络输出的两张特征图之间的相似度后，再计算同模态图像对的代价体积，公式如下： 其中，，表示两张特征图的坐标，、表示两张特征图在相应坐标的取值向量，ReLU表示ReLU激活函数，表示转置操作；表示当前两张特征图在相应坐标之间的代价体积； 同模态图像对的代价体积经过查找算子计算出相似度图，公式如下： 其中，是特征图的对应坐标，是坐标经估计的单应变换矩阵变换后的坐标，表示以为中心取邻域的算子，表示在原代价体积上截取部分坐标对进行查找的操作； 最后，将相似度图输入第一迭代单应性估计器，第一迭代单应性估计器输出同模态图像对的配准结果； 所述跨模态图像配准网络模型包括原始图像对分支、模态不变图像对分支、第二查找算子层、第三查找算子层、代价聚合模块和第二迭代单应性估计器； 原始图像对分支与第二查找算子层相连，模态不变图像对分支与第三查找算子层相连，第二查找算子层和第三查找算子层均与代价聚合模块相连，代价聚合模块与第二迭代单应性估计器相连，第二迭代单应性估计器与第二查找算子层、第三查找算子层相连；第二迭代单应性估计器的参数与训练好的同模态图像配准网络模型中的第一迭代单应性估计器的参数相同，第二迭代单应性估计器的输出作为跨模态图像配准网络模型的输出。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。