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！

龙图腾网获悉成都信息工程大学申请的专利基于交叉注意与可形变卷积的多时相遥感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：CN116664892B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202310690058.2，技术领域涉及：G06V10/75；该发明授权基于交叉注意与可形变卷积的多时相遥感图像配准方法是由符颖;陈培艳;何兵;胡金蓉;文武;吴锡设计研发完成，并于2023-06-12向国家知识产权局提交的专利申请。

本基于交叉注意与可形变卷积的多时相遥感图像配准方法在说明书摘要公布了：本发明涉及一种基于交叉注意与可形变卷积的多时相遥感图像配准方法，首先，基于主干网络VGG16引入可形变卷积构建可形变卷积块DeVgg以适应不同形状、尺度大小等发生明显几何形变的遥感图像，增强了算法的鲁棒性；其次，将主干网络提取出的特征输入到交叉注意力模块中，用以更好地捕获不同背景变化下的影像的空间对应关系，在保留特征图核心信息的同时，能够高效地识别需要关注的特征信息，进而提高整体的匹配准确性。在特征匹配阶段，为了解决特征点匹配质量不佳问题，使用暴力匹配BFMatcher算法进行粗配准，再结合自适应的约束阈值，筛选出优质匹配点。

本发明授权基于交叉注意与可形变卷积的多时相遥感图像配准方法在权利要求书中公布了：1.基于交叉注意与可形变卷积的多时相遥感图像配准方法，其特征在于，所述配准方法首先构建多时相遥感图像配准模型，所述配准模型包括特征提取模块和特征匹配模块，通过交叉注意力机制加强局部特征与全局特征的空间对应关系，并利用可形变卷积块提高了形变特征的表达能力，在特征提取阶段采用自适应性的阈值约束，以得到优质匹配点，所述配准方法具体包括： 步骤1：准备待配准的遥感配准图像对，所述图像对包括待配准影像和参考影像； 步骤2：构建端到端多时相遥感配准模型，通过特征提取模块获得多时相遥感图像特征，再通过特征匹配模块完成粗匹配、错误点剔除和精匹配操作，具体为： 步骤21：所述特征提取模块包括交叉注意力模块和可形变卷积块，将参考影像与待配准影像分别输入到前三个堆叠的可形变卷积块中，得到所述参考影像的第一特征图F1和所述待配准影像的第二特征图F2； 步骤22：在第三个可形变卷积块后加入交叉注意力模块，将参考影像的第一特征图F1和待配准影像的第二特征图F2分别输入到交叉注意力模块进行特征融合，实现加强全局特征与局部特征的空间对应关系，输出经过特征融合后的参考影像的第三特征图F3和待配准影像的第四特征图F4，交叉注意力模块的操作具体为： 步骤221：在提取参考影像的特征时，交叉注意力模块将参考影像的第一特征图F1作为主要输入，待配准影像的第二特征图F2作为跨模态输入； 步骤222：通过线性变换将第一特征图和第二特征图转换为特征向量，采用点积操作将两个特征向量逐元素相乘计算两者之间的相似度，再根据相似度计算结果计算出注意力权重分布，通过Softmax函数进行归一化后得到特征矩阵Y，再根据注意力权重分布将所述特征矩阵Y与主要输入转换的特征向量进行加权求和，最后进行特征融合输出参考影像的第三特征图F3； 步骤223：在提取待配准影像的特征时，交叉注意力模块将待配准影像的第二特征图F2作为主要输入，将参考影像的第一特征图作为跨模态输入，经过与步骤222相同的操作后，输出待配准影像的第四特征图F4； 步骤23：在第四个可形变卷积模块中，将步骤22得到的融合特征第三特征图F3和待配准影像的第四特征图F4分别作为输入，通过可形变卷积操作，对输入的融合特征进行迭代采样，采用平均池化，将特征图的大小调整为输入图像的14，得到参考影像的最终特征图Fout1和待配准影像的最终特征图Fout2； 步骤3：参考影像的最终特征图Fout1和待配准影像的最终特征图Fout2作为输入，所述特征匹配模块对输入的特征图进行特征点筛选和制作描述符，所述特征匹配模块包括粗匹配模块和精匹配模块； 步骤31：所述粗匹配模块由特征点初步筛选和暴力匹配算法两个阶段完成，通过在通道方向和局部平面内采用最大筛选策略得到参考影像初步的第一匹配点集I1、待配准影像初步的第二匹配点集I2和特征描述符，再使用暴力匹配算法计算参考影像和待配准影像的特征描述符之间的欧氏距离完成粗匹配； 步骤32：所述精匹配模块通过自适应阈值模块对第一匹配点集I1和第二匹配点集I2进行过滤筛选，实现精匹配，具体为： 步骤321：对所述第一匹配点集I1和所述第二匹配点集I2计算差值平均值集合； 步骤322：从步骤31过滤筛选后的第一匹配点集和第二匹配点集中分别选取10对具有对应关系的特征点建立约束方程，使其能够准确地描述两个视图之间的透视变换关系，从而约束单应性矩阵的参数估计； 步骤323：对获取的差值平均值集合进行降序排序，剔除前5%和后10%的数据，将剩余的数据求和取平均作为自适应阈值模块的内点筛选约束阈值，当每对待匹配的特征点特征距离小于约束阈值时，便将其作为内点，反之将其剔除； 步骤324：当内部点数不再发生变化时，更新参数模型并结束迭代； 步骤325：经过以上特征点错误剔除后，输出最终影像匹配结果。

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成都信息工程大学，其通讯地址为：610200 四川省成都市西南航空港经济开发区学府路1段24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”。