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！

龙图腾网获悉浙江老鹰半导体技术有限公司申请的专利VCSEL阵列峰值功率确定方法和装置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：CN119228797B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411740550.7，技术领域涉及：G06T7/00；该发明授权VCSEL阵列峰值功率确定方法和装置是由王豪;惠武;肖丽文设计研发完成，并于2024-11-28向国家知识产权局提交的专利申请。

本VCSEL阵列峰值功率确定方法和装置在说明书摘要公布了：本申请涉及一种VCSEL阵列峰值功率确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。所述方法包括：分次获取表征待测VCSEL阵列全貌的多张局部图像；将任意两张局部图像输入至一孪生网络以对彼此的相似度和差异信息进行函数求解；将函数求解结果作为各自的特征信息；将表征各局部图像的特征信息输入至一特征匹配模型以确定各局部图像的特征匹配结果；获取各局部图像的最佳拼接角点集；根据特征匹配结果和最佳拼接角点集对各局部图像进行拼接得到表征待测VCSEL阵列的拼接图像；根据拼接图像确定待测VCSEL阵列的峰值功率。采用本方法能够提高图像融合的精度和速度。同时减少人工干预的需求，使图像融合更加高效和智能。

本发明授权VCSEL阵列峰值功率确定方法和装置在权利要求书中公布了：1.一种VCSEL阵列峰值功率确定方法，其特征在于，所述方法包括： 分次获取表征待测VCSEL阵列全貌的多张局部图像； 对各所述局部图像包含的特征信息进行提取；其中，对各所述局部图像的特征信息进行提取的步骤包括：将任意两张局部图像输入至一孪生网络以对彼此的相似度和差异信息进行函数求解；将函数求解结果作为各自的特征信息； 将表征各所述局部图像的特征信息输入至一特征匹配模型以确定各所述局部图像的特征匹配结果； 获取各所述局部图像的最佳拼接角点集； 根据所述特征匹配结果和所述最佳拼接角点集对各所述局部图像进行拼接得到表征所述待测VCSEL阵列的拼接图像； 根据所述拼接图像确定所述待测VCSEL阵列的峰值功率； 所述方法还包括： 对所述拼接图像进行渐入渐出加权融合处理得到融合图像；所述待测VCSEL阵列的峰值功率是根据所述融合图像确定； 所述根据所述融合图像确定所述待测VCSEL阵列的峰值功率，包括： 获取所述融合图像中各VCSEL通道的灰度值； 根据各VCSEL通道的灰度值获取所述待测VCSEL阵列的灰度值总和； 根据所述灰度值总和获取所述待测VCSEL阵列的峰值功率； 所述特征信息为多个特征点子集的集合，且每个特征点子集包括多个特征点；所述特征匹配模型的构建方法，包括： 从所述特征信息中随机选择一个特征点子集，将所述特征点子集中的多个特征点输出至初始匹配模型进行迭代训练； 通过初始匹配模型生成所述特征点子集中多个特征点各自对应的匹配点对，所述匹配点对中包括两个相互匹配的特征点； 针对每个匹配对，确定所针对的匹配点对中两个相互匹配的特征点之间的欧氏距离； 根据所针对的匹配点对中两个相互匹配的特征点之间的欧氏距离，确定所针对的匹配点对的质量；在多个匹配对中确定质量小于预设质量阈值的目标匹配对，若所述目标匹配对的个数小于或等于预设匹配对阈值，则对所述初始匹配模型进行优化； 将所述特征信息中随机选择的特征点子集中的多个特征点继续输入至优化后的匹配模型进行迭代训练，直至通过优化后的匹配模型确定出的目标匹配对的个数大于预设匹配对阈值停止迭代训练，并将停止迭代训练后得到的匹配模型作为特征匹配模型； 在对每张局部图像包含的特征信息进行提取之前，还包括： 将各所述局部图像分别转化成灰度图像； 采用重叠组稀疏性全变分算法对各灰度图像进行处理，以消除各灰度图像的阶梯状伪影。

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老鹰半导体技术有限公司，其通讯地址为：311800 浙江省绍兴市诸暨市万旺路8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。