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！

龙图腾网获悉安徽大学;合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)申请的专利基于局部特征融合与自注意力机制的特征匹配方法及系统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：CN115861664B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202211637956.3，技术领域涉及：G06V10/75；该发明授权基于局部特征融合与自注意力机制的特征匹配方法及系统是由江波;罗书贤设计研发完成，并于2022-12-18向国家知识产权局提交的专利申请。

本基于局部特征融合与自注意力机制的特征匹配方法及系统在说明书摘要公布了：本发明公开一种基于局部特征融合与自注意力机制的特征匹配方法及系统；通过图像处理模块对输入的图像进行提取觉描述符并添加位置信息获得图像点的特征；将源图像和目标图像中每个特征和随机采样的邻居点进行自注意力上下文特征融合，高效地结合了图像中的信息从而增强特征图的表示能力；将图像中的每一个点与另一图上的点计算欧式距离选取前k个点，再通过交叉注意力模型进行信息传递，得到具有跨图信息的特征表示，通过最终的特征信息计算两图中特征的相似度，并使用Sinkhorn算法迭代求解获得最终的匹配结果。

本发明授权基于局部特征融合与自注意力机制的特征匹配方法及系统在权利要求书中公布了：1.一种基于局部特征融合与自注意力机制的特征匹配方法，其特征在于：包括以下步骤： 步骤1、输入待匹配的源图像和目标图像，将选择网络模型作为特征提取模块来获得源图像和目标图像的特征描述符，并结合位置信息生成初始的点特征； 步骤2、分别对源图像和目标图像中的每一个点单独选取邻居进行信息融合，选取邻居的方法为：对每一个点先通过随机采样的方式选取k个点作为邻居，再通过自注意力方式将该点自身与这k个邻居进行信息融合；详细方法为： 对源图像的每一个点Fs={，，…}，通过随机采样的方式获取k个邻居As={，，…}，对于点计算k个邻居的交互信息，然后通过三个线性映射层将转换为，将As转换为和，则信息交融公式1如下： 1 、和均是中间计算量，通过和计算权重，然后通过权重与聚合图像信息，c表示特征维度，LN·表示层归一化；每个节点通过聚合来自邻居的消息来更新其表示； 对目标图像中的每一个点Ft={，，…}，通过余弦相似度获得各自与当前点最近的k个邻居At={，，…}，然后通过三个线性映射层将转换为，将At转换为和，则信息交融公式2如下： 2 、和均是中间计算量，通过和计算权重，然后通过权重与聚合图像信息； 步骤3、对于步骤2所得增强后的两个图像上的每一个特征点，使用欧式距离计算跨图的与之最相近的k个点，通过交叉注意力网络对源图和目标图像进行跨图信息融合，获得具有跨图信息的图像的点特征；详细方法为： 计算源图的每一个点Fs={，，…}与目标图中每一个点Ft={，，…}的欧式距离，如公式3所示： 3 其中表示源图像中第1个节点与目标图像中第i个节点的欧式距离，并选取目标图中的距离前k个点Bt={，，…}进行信息融合； 交叉注意力模块增强源图像的特征点和目标图像中选出的特征点Bt={，，…}之间的交互学习的具体方法为： 通过三个线性映射层将转换为，将Bt转换为和，则跨图的信息传递如公式4所示： 4 目标图像使用相同方法选取源图像中的前k个点Bs={，，…}以融合源图的信息，通过三个线性映射层将转换为，将Bs转换为和，如公式5所示； 5； 步骤4、计算源图像和目标图像点特征表示的相似度，并使用sinkorn算法多次迭代训练得到最后的匹配结果。

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安徽大学;合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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。