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！

龙图腾网获悉武汉大学申请的专利一种星载SAR影像同名特征点提取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：CN115797766B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202211457721.6，技术领域涉及：G06V20/10；该发明授权一种星载SAR影像同名特征点提取方法及系统是由汪韬阳;李欣;程前设计研发完成，并于2022-11-18向国家知识产权局提交的专利申请。

本一种星载SAR影像同名特征点提取方法及系统在说明书摘要公布了：本发明公开了一种星载SAR影像同名特征点提取方法及系统，本发明针对SAR影像高精度匹配需求，设计了一种基于卷积神经网络的端到端的SAR影像配准方法，通过孪生卷积神经网络架构，实现星载SAR影像的同名特征点的鲁棒自动提取。此外，该方法也可推广适用至光学影像、高光谱影像、夜光影像等多类型遥感影像的匹配任务中，是当下乃至未来图像匹配的重点方向。

本发明授权一种星载SAR影像同名特征点提取方法及系统在权利要求书中公布了：1.一种星载SAR影像同名特征点提取方法，其特征在于，包括以下步骤： 步骤1：获取待匹配星载SAR影像对； 步骤2：将待匹配星载SAR影像对，输入星载SAR影像同名特征点网络中，提取待匹配星载SAR影像的特征点； 所述星载SAR影像同名特征点网络为两条支路组成的孪生网络，每条支路包含输入共享编码模块、多尺度卷积融合模块、特征点检测解码模块和特征描述符检测解码模块； 所述输入共享编码模块，包括串联设置的八个卷积核大小均为3，步长均为1的卷积层，其中前四层卷积层大小为64，后四层卷积层大小为128；八层卷积层之后均加入有GroupNormal归一化处理层；第二层、第四层和第六层卷积层之后均加入2×2大小的最大池化层； 所述多尺度卷积融合模块，用于对于所述输入共享编码模块输出的特征图F，通过并联设置的四个平均池化层进行多尺度特征融合；第一平均池化层池化核大小为1×1，第二平均池化层池化核大小为2×2，第三平均池化层池化核大小为3×3，第四平均池化层池化核大小为4×4；每个平均池化层之后均加入有卷积核为1×1的卷积层和反卷积模块，生成z、x、c、v四张特征图；所述特征图z、x、c、v通过Concat处理生成多尺度融合特征，通过一个ConBNReLU模块生成最终多尺度融合总体特征图； 所述特征点检测解码模块，是由两个卷积层、Softmax层和Reshape层级联组成；所述两个卷积层的第一个64维卷积层卷积核为的3×3、步长为1，第二个65维卷积核为1×1、步长为1；所述Softmax层通过输入所述两个卷积层的特征图，进行softmax计算像素的特征点概率；所述Reshape层对上述Softmax层获取的特征单Tensor重构，输出与所述星载SAR影像同名特征点网络输入影像大小相同的一维特征点向量； 所述特征描述符检测解码模块，是由两个卷积层、Bi-CubicInterpolate层和L2归一化层级联组成；所述两个卷积层的第一个256维卷积层卷积核为的3×3、步长为1，第二个256维卷积核为1×1、步长为1；所述Bi-CubicInterpolate层输入所述卷积层的256维向量，进行双线性差值扩大尺寸；所述L2归一化层对256维的像素描述子进行L2归一化处理，获取与所述特征点检测解码模块输出的特征点向量一一对应的特征描述子。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山武汉大学；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。