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！

龙图腾网获悉中国科学技术大学申请的专利一种基于代价体积的电子显微镜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：CN116468763B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202310432480.8，技术领域涉及：G06T7/33；该发明授权一种基于代价体积的电子显微镜图像配准方法是由张越一;刘鑫钊;孙晓艳设计研发完成，并于2023-04-18向国家知识产权局提交的专利申请。

本一种基于代价体积的电子显微镜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代价体积的电子显微镜图像配准方法，包括：第一步，构建多层级的特征提取和特征增强网络分支；第二步，逐级进行变形场残差的估计并更新变形场的预测结果，包括：代价体积计算、变形场残差估计和变形场更新。本发明能编码图像中更加具有全局语义的信息，从而能提升对于电子显微镜图像中大变形的处理能力，实现电子显微镜图像配准精度的提升。

本发明授权一种基于代价体积的电子显微镜图像配准方法在权利要求书中公布了：1.一种基于代价体积的电子显微镜图像配准方法，其特征在于，包括如下步骤： 步骤1：构建输入数据，包括数据的获取以及数据的预处理； 步骤1.1：从已配准的电子显微镜图像数据集中通过随机裁剪操作获取若干个固定图像及其对应的已配准的浮动图像；其中，将固定图像集合记为，已配准的浮动图像集合记为，h表示图像的高度，w表示图像的宽度； 步骤1.2：对所述浮动图像集合M中的所有浮动图像施加随机变形以合成对应的未配准图像，从而得到变形浮动图像集合，记为W； 步骤1.3：由固定图像集合F以及变形浮动图像集合W构建输入数据对集合{}；其中，表示第i张固定图像，表示第i张变形浮动图像，n表示集合中图像对的总数； 步骤2：构建基于代价体积的电子显微镜图像配准网络，包括：特征提取与特征增强分支、变形场预测分支； 步骤2.1：所述特征提取与特征增强分支包含N个层级，每个层级均由特征提取子网络和特征增强子网络级联组成；其中，第j级特征提取子网络记为，第j级特征增强子网络记为，； 当时，第i个图像对输入第级特征提取子网络中进行处理，并输出第级的第i个中间特征；其中，表示输出的第i个中间固定特征，表示输出的第i个中间浮动特征；经过第级特征增强子网络的处理后，获得第层级最终的第i个输出特征；其中，表示第层级输出的第i个增强固定特征，表示第层级输出的第i个增强浮动特征； 当时，第j-1层级最终输出的第i个特征输入第j级特征提取子网络中进行处理后再输入第级特征增强子网络中进行处理，获得第层级最终的第i个输出特征；从而由第级特征增强子网络输出第级最终的第i个输出特征； 步骤2.2：所述变形场预测分支包含N个层级的变形场残差估计子网络，并将第j级的变形场残差估计子网络记为，； 利用式1确定第j层级的第i个初始变形场： 1 式1中，表示第j+1级的变形场残差估计子网络最终输出的第i个变形场； 当j=N时，将第j级的最终输出特征和初始变形场输入第j级的变形场残差估计子网络中进行处理，获得第j级的第i个变形场残差，并利用式2获得第j级的第i个变形场输出： 2 式2中，表示逐元素相加操作，表示上采样操作； 当j=时，将第级的第i个最终输出特征和第级的第i个初始变形场输入第级的变形场残差估计子网络中进行处理，获得第级的第i个变形场残差，并利用式2获得第级的第i个变形场输出；从而由第级的变形场残差估计子网络获得第级的第i个变形场输出； 所述步骤2.2中每个层级的变形场残差估计子网络均包含：代价体积计算模块和门控循环单元模块； 第j级的变形场残差估计子网络中的代价体积计算模块利用式6计算第j级的第i个增强固定特征和增强浮动特征之间的代价体积： 6 式6中，C表示增强特征的通道数，T表示转置操作； 利用第j级的第i个初始变形场对代价体积进行插值操作，获得第j级的第i个相关特征； 将初始变形场、相关特征和增强固定特征输入所述门控循环单元模块中进行处理，输出第j级的第i个变形场残差； 步骤2.3：利用第1级的第i个变形场输出对第i个图像对中第i张变形后的浮动图像进行空间插值，获得第i张配准后的浮动图像； 步骤3：基于代价体积的电子显微镜图像配准网络的训练与优化； 步骤3.1：对第2级至第N级的第i个变形场分别进行上采样操作，使得与的像素分辨率相同，从而得到上采样后的变形场，记为；其中，表示第j级的第i个上采样后的变形场；当时，令； 步骤3.2：利用对第i张变形后的浮动图像进行插值，从而获得由各级上采样后的变形场配准得到的配准图像集合；其中，表示第j级的第i张配准图像；当时，令； 步骤3.3：利用式4建立第j级的第i张配准图像与第i张固定图像之间的均方误差相似度损失函数： 4 式4中，表示的第k个像素值，表示的第k个像素值，n表示中像素的总数； 步骤3.4：利用式3建立第j级的第i个上采样后的变形场的空间梯度损失函数： 3 式3中，表示空间梯度运算，表示范数运算； 步骤3.5：利用式5建立对于第i个图像对的总损失函数： 5 式5中，是超参数； 步骤3.6：基于所述输入数据对集合{}对电子显微镜图像配准网络进行训练，并利用梯度下降算法优化每个图像对的总损失函数，直到迭代训练达到设定的次数后停止训练，从而获得最优的图像配准网络模型，用于电子显微镜图像对的配准。

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科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。