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！

龙图腾网获悉中国标准化研究院申请的专利一种基于深度学习的混拍图像校正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：CN120765486B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202511066054.2，技术领域涉及：G06T5/60；该发明授权一种基于深度学习的混拍图像校正方法及系统是由王蒙湘;付强;庞永恒;朱怀杰;邱涛;崔宁宁;宗传玉;庞俊设计研发完成，并于2025-07-31向国家知识产权局提交的专利申请。

本一种基于深度学习的混拍图像校正方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的混拍图像校正方法及系统，涉及计算机视觉领域，包括，混拍图像组进行光照归一化处理并构建高斯金字塔图像组；将高斯金字塔图像组输入ResNet‑34网络提取多尺度特征图，并生成空间位置与通道统计信息；将空间位置与通道统计信息通过DNA碱基映射规则转换为DNA序列片段。本发明通过Retinex分解与高斯滤波实现光照归一化，有效消除不同设备的曝光差异，保障后续处理的输入质量，通过DNA碱基编码将传统特征描述转化为生物序列比对，结合量子退火优化几何参数，显著提升了低纹理区域的匹配精度和大视角差场景的校正效果，基于加权RANSAC与多尺度金字塔融合，实现了亚像素级的匹配精度。

本发明授权一种基于深度学习的混拍图像校正方法及系统在权利要求书中公布了：1.一种基于深度学习的混拍图像校正方法，其特征在于：包括， 对混拍图像组进行光照归一化处理并构建高斯金字塔图像组； 将高斯金字塔图像组输入ResNet-34网络提取多尺度特征图，并生成空间位置与通道统计信息； 将空间位置与通道统计信息通过DNA碱基映射规则转换为DNA序列片段，采用Smith-Waterman算法进行生物序列比对，得到特征点匹配对； 基于特征点匹配对得出初始单应性矩阵并通过加权RANSAC算法，得到基础矩阵和本质矩阵； 将基础矩阵和本质矩阵编码为量子比特，通过量子退火，得到投影变换矩阵； 利用投影变换矩阵对混拍图像组进行薄板样条插值变形，并在LAB颜色空间进行金字塔融合，对融合后的图像进行引导滤波处理，得到校正图像； 将空间位置与通道统计信息通过DNA碱基映射规则转换为DNA序列片段，采用Smith-Waterman算法进行生物序列比对，得到特征点匹配对，包括以下步骤， 将二维空间位置、通道统计信息和多尺度特征图进行拼接，并通过MLP压缩，得到图像局部区域的视觉和几何特性； 将图像局部区域的视觉和几何特性进行归一化处理，得到整型向量，按碱基规则将整型向量转化为DNA序列片段； 采用Smith-Waterman算法对两幅光照一致图像组的DNA序列片段进行生物序列比对，得到特征点匹配对； 基于特征点匹配对得出初始单应性矩阵并通过加权RANSAC算法，得到基础矩阵和本质矩阵，包括以下步骤， 对特征点匹配对进行零均值缩放，得到归一化坐标和变换矩阵； 基于归一化坐标构建最小二乘方程，并对奇异值进行分解，得到初始单应性矩阵； 在特征点匹配对中提取出DNA比对得分，在初始单应性矩阵中选取出投影偏差，得到几何误差； 基于DNA比对得分和投影偏差，计算加权RANSAC权重； 按加权RANSAC权重进行采样，得到基础矩阵； 通过拍摄标定板利用张正友标定法得到畸变参数，得到相机内参矩阵，基于机内参矩阵，得到本质矩阵； 将基础矩阵和本质矩阵编码为量子比特，通过量子退火，得到投影变换矩阵，包括以下步骤， 将基础矩阵和本质矩阵进行归一化处理，得到归一化后的向量，将归一化后的向量编码为量子比特； 基于加权RANSAC采样权重、相机内参矩阵和量子比特，得到总哈密顿量； 使用量子退火对总哈密顿量进行处理，得到比特串，按线性映射公式将比特串解码为连续矩阵参数，重构基础矩阵和本质矩阵； 对基础矩阵进行分解，提取旋转矩阵和平移向量与相机内参矩阵进行结合，得到投影变换矩阵。

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中国标准化研究院，其通讯地址为：100080 北京市海淀区知春路4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。