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仿射变换和深度学习的图像特征点匹配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：CN116452839B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202310373428.X，技术领域涉及：G06V10/75；该发明授权一种基于仿射变换和深度学习的图像特征点匹配方法是由赵腾起;项志宇设计研发完成，并于2023-04-10向国家知识产权局提交的专利申请。

本一种基于仿射变换和深度学习的图像特征点匹配方法在说明书摘要公布了：本发明公开了一种基于仿射变换和深度学习的图像特征点匹配方法。本发明在仿射变换下生成多张不同的图像，利用深度学习网络提取图像对的特征点，并生成对应的描述子。通过计算仿射变换矩阵的逆，将特征点反投影回原图像，并使用描述子的欧式距离来匹配特征点，最后通过随机抽样一致性算法筛选出正确的匹配对。本发明将仿射变换和深度学习特征点相结合，通过在多个变换尺度上提取特征点，提高了图像特征点匹配的准确性和鲁棒性，可以使得最终获取的特征点具有较强的尺度和形变不变性，从而提高在大尺度和视角形变场景下特征点匹配的成功率，本发明在匹配成功率方面取得了显著的提升。

本发明授权一种基于仿射变换和深度学习的图像特征点匹配方法在权利要求书中公布了：1.一种基于仿射变换和深度学习的图像特征点匹配方法，其特征在于，包括以下步骤： 1）对待匹配的图像对进行预处理后，获得第一预处理后的图像和第二预处理后的图像； 2）利用多个仿射变换矩阵对第一预处理后的图像以及第二预处理后的图像分别进行仿射变换和插值后，分别获得对应的多张仿射变换后的图像； 3）分别提取和反投影第一预处理后的图像和第二预处理后的图像对应多张仿射变换后的图像的特征点，从而构建第一特征点集合和第二特征点集合； 所述3）具体为： 3.1）使用卷积神经网络分别提取第一预处理后的图像和第二预处理后的图像对应多张仿射变换后的图像的特征点，从而获得第一初始特征点集合和第二初始特征点集合； 3.2）根据极大值抑制原理分别去除第一初始特征点集合和第二初始特征点集合中置信度较低的特征点，分别获得对应的第一去噪特征点集合和第二去噪特征点集合； 3.3）根据多个仿射变换矩阵分别对第一去噪特征点集合和第二去噪特征点集合进行反投影，分别获得第一仿射变换前的特征点集合和第二仿射变换前的特征点集合； 3.4）分别移除第一仿射变换前的特征点集合和第二仿射变换前的特征点集合中在对应预处理后的图像边界外的特征点，从而获得最终的第一特征点集合和第二特征点集合； 4）使用暴力匹配方法对第一特征点集合和第二特征点集合中的仿射变换前的特征点进行匹配，获得初始匹配对集合； 5）采用随机抽样一致性算法初始匹配对集合进行筛选，获得最终的匹配对集合。

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”。