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！

龙图腾网获悉中科视拓(北京)科技有限公司申请的专利基于孪生神经网络的异源图像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：CN116385747B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310359338.5，技术领域涉及：G06V10/75；该发明授权基于孪生神经网络的异源图像匹配方法是由高黎明;山世光;高科;刘壮;吕森;申一中;杨茹茵设计研发完成，并于2023-04-06向国家知识产权局提交的专利申请。

本基于孪生神经网络的异源图像匹配方法在说明书摘要公布了：本发明涉及基于孪生神经网络的异源图像匹配方法，包括以下步骤：获取若干模板图像和对应的目标图像；将模板图像和对应的目标图像输入孪生神经网络，生成特征点热力图分支；使用特征点热力图分支确定特征点的位置，并将目标图像中的特征点匹配到模板图像中的特征点上；孪生神经网络生成特征向量分支；根据匹配的特征点，使用特征向量分支提取特征点的特征向量。本发明以孪生神经网络提取的高纬语义信息解决异源图像的特征映射问题，并以此为基础实现特征点的匹配，来解决异源图像间的匹配问题。

本发明授权基于孪生神经网络的异源图像匹配方法在权利要求书中公布了：1.基于孪生神经网络的异源图像匹配方法，其特征在于：包括以下步骤： 步骤1，获取若干模板图像和对应的目标图像； 步骤2，将模板图像和对应的目标图像输入孪生神经网络，生成特征点热力图分支；使用特征点热力图分支确定特征点的位置，并将目标图像中的特征点匹配到模板图像中的特征点上； 所述步骤2中，使用特征点热力图分支确定特征点的位置的步骤，包括： 孪生神经网络中的编码器和解码器生成热力图，热力图以固定步长进行最大池化，将池化结果与热力图对比，将其中数值相同的点作为候选特征点； 设定置信度阈值，将候选特征点中数值大于置信度阈值的，作为特征点热力图分支输出的特征点，同时输出特征点的位置； 所述步骤2中，并将目标图像中的特征点匹配到模板图像中的特征点上的步骤，包括： 将特征点热力图分支输出的特征点作为正样本，在模板图像和目标图像的非共享区域随机选取特征点作为负样本，使用余弦相似度对各特征点的特征相似度进行度量； 使用全局搜索方式逐一计算目标样本中特征点与模板样本中特征点之间的关联关系，以求解全局最优匹配关系： 其中，Pi,j表示从目标样本的第i行映射到模板样本的第j行的元素值；HP为Pi,j的熵； 其中，P表示符合目标样本的所有行求和为向量a、模板样本的所有列求和为向量b的一个映射，该映射为Ua,b；C表示完成P的元素映射的代价；表示正则化系数； 有P=uiKi,jvj，ui与vj表示映射得到的一组解，ui为目标图像上第i行特征点的位移，vj为模板图像上第j行特征点的位移； 通过对ui、vj之间的关系求解，得到模板图像中特征点与目标图像中特征点之间的最优连接关系； 所述步骤2中，并将目标图像中的特征点匹配到模板图像中的特征点上的步骤之后，还包括匹配结果精度验证的步骤： 设目标图像内的特征点PTtarget与模板图像内的特征点PTtemplate匹配，那么存在矩阵A、矩阵B使得特征点PTtemplate的坐标值通过矩阵运算变为特征点PTtarget： 其中矩阵A为2×2的矩阵，矩阵B为2×1的矩阵： 设特征点PTtarget的坐标值为x1、y1，特征点PTtemplate的坐标值为x2、y2，则两特征点之间的映射关系为： 定义矩阵A、矩阵B为特征点的映射矩阵M，通过对特征点PTtemplate与特征点PTtarget的求解，验证匹配结果精度； 步骤3，孪生神经网络生成特征向量分支；根据匹配的特征点，使用特征向量分支提取特征点的特征向量。

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科视拓(北京)科技有限公司，其通讯地址为：100080 北京市海淀区知春路108号1号楼7层703；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。