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院长春光学精密机械与物理研究所申请的专利基于U-Net的可见光与SAR遥感图像光流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：CN115861395B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211258534.5，技术领域涉及：G06T7/33；该发明授权基于U-Net的可见光与SAR遥感图像光流配准方法是由陈健;卢慧;李昭颖;王治达设计研发完成，并于2022-10-14向国家知识产权局提交的专利申请。

本基于U-Net的可见光与SAR遥感图像光流配准方法在说明书摘要公布了：基于U‑Net的可见光与SAR遥感图像光流配准方法，涉及异源图像配准技术领域，包括图像数据集的构建、图像预处理及感兴趣区域的标注；利用两个U‑Net网络模型分别训练可见光遥感图像分割模型和SAR遥感图像分割模型；获取待配准图像对的U‑Net网络分割结果，分别记录两幅分割图像中指定通道所标记的像素点集合；利用梯度算子分别构建待配准图像对的感兴趣区域特征点及其指定邻域内像素点的类GLOH描述子；通过高斯金字塔LK光流法配准待配准图像对中的感兴趣区域特征点。本发明可实现精度更高、目的性更强、时效性更佳的异源图像配准。

本发明授权基于U-Net的可见光与SAR遥感图像光流配准方法在权利要求书中公布了：1.基于U-Net的可见光与SAR遥感图像光流配准方法，其特征在于，包括以下步骤： 步骤S1、图像数据集的构建、图像预处理及感兴趣区域的标注； 步骤S2，利用两个U-Net网络模型分别训练可见光遥感图像分割模型和SAR遥感图像分割模型； 步骤S3，获取待配准图像对的U-Net网络分割结果，分别记录两幅分割图像中指定通道所标记的像素点集合； 步骤S4，利用梯度算子分别构建待配准图像对的感兴趣区域特征点及其指定邻域内像素点的类GLOH描述子； 步骤S5，通过高斯金字塔LK光流法配准待配准图像对中的感兴趣区域特征点； S5.1对步骤S3中原始图像即浮动图像opt和参考图像sar进行高斯金字塔降采样，高斯金字塔层数L的取值与原始图像尺寸相关，从而使高斯金字塔LK光流法的小运动假设得以满足； S5.2将感兴趣区域特征点及其指定邻域内像素点集合记为O，采用集合O中像素点的类GLOH描述子代替高斯金字塔每一层对应位置的像素值，从而使高斯金字塔LK光流法的亮度恒定假设得以满足； S5.3在高斯金字塔最底层根据亮度恒定假设得到以下方程： D1x1,y1,t＝D2x1+u,y1+v,t+12 式中，D1和D2分别表示位于高斯金字塔最底层两种原始图像的感兴趣区域特征点所对应的类GLOH描述子；x1、y1分别表示感兴趣区域特征点所在的行和列；t表示浮动图像opt对应时刻；u、v分别表示将浮动图像opt中的感兴趣区域特征点进行尺度为u的水平偏移以及尺度为v的垂直偏移；将公式2等式右边通过泰勒级数展开，得到以下方程： Dx1+u,y1+v,t+1＝Dx1,y1,t+Dxu+Dyv+Dt+R23 式中，Dx、Dy分别表示感兴趣区域特征点所对应的类GLOH描述子值在水平方向以及垂直方向的梯度，Dt表示感兴趣区域特征点所对应的类GLOH描述子值沿时间t方向的偏导数；R2表示二阶无穷小项； S5.4根据高斯金字塔LK光流法的小运动假设舍弃二阶无穷小项R2，得到高斯金字塔最底层的感兴趣区域特征点光流方程： Dxu+Dyv+Dt＝04 对于特定层数高斯金字塔感兴趣区域的每一个特征点，均可建立上述光流方程求取对应图像中与感兴趣区域特征点所对应的类GLOH描述子值最接近的特征点；设定邻域大小为2m+1×2m+1，m表示邻域半径，邻域半径m与高斯金字塔层数L相关，即m＝batch×2L-1，batch表示高斯金字塔最底层邻域半径，使得感兴趣区域特征点所对应的指定邻域内像素点的光流值为常数，从而建立感兴趣区域特征点所对应的指定邻域内像素点的光流方程； S5.5在高斯金字塔最底层利用最小二乘法求解感兴趣区域特征点所对应的指定邻域内像素点的光流方程，找到与感兴趣区域特征点类GLOH描述子值最接近的特征点的偏移情况u、v，然后进行高斯金字塔不同层之间的信息传递以及光流值更新，以此类推，直至高斯金字塔最高层，且将这一层计算结果作为最终光流值，得到浮动图像opt与参考图像sar感兴趣区域特征点的最终配准结果。

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中国科学院长春光学精密机械与物理研究所，其通讯地址为：130033 吉林省长春市东南湖大路3888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。