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！

龙图腾网获悉厦门理工学院申请的专利一种多尺度图像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：CN119888285B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202510362652.8，技术领域涉及：G06V10/75；该发明授权一种多尺度图像匹配方法及系统是由郭翰林;吕维佳;申志;陈嘉琪;李天友;王大寒设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本一种多尺度图像匹配方法及系统在说明书摘要公布了：本发明涉及一种多尺度图像匹配方法及系统，该方法包括以下步骤：S1、获取用于图像匹配训练的数据集；S2、构建图像匹配模型，其包括视觉空间线索提取模块、视觉空间融合模块及视觉空间潜在图变换模块，视觉空间线索提取模块从输入图像对中提取视觉线索和空间线索，视觉空间融合模块将提取的视觉线索和空间线索融合到同一空间中，视觉空间潜在图变换模块通过构建特征图从视觉空间融合特征中提取局部特征并对局部特征与全局特征进行融合，从而有效捕获视觉空间对应的多尺度上下文信息；通过数据集对图像匹配模型进行训练；S3、通过训练好的图像匹配模型对待匹配图像对进行图像匹配。该方法及系统可以提高图像匹配的速度和正确率。

本发明授权一种多尺度图像匹配方法及系统在权利要求书中公布了：1.一种多尺度图像匹配方法，其特征在于，包括以下步骤： S1、获取用于图像匹配训练的数据集； S2、构建图像匹配模型，所述图像匹配模型包括视觉空间线索提取模块、视觉空间融合模块以及视觉空间潜在图变换模块，所述视觉空间线索提取模块从输入图像对中提取视觉线索和空间线索，所述视觉空间融合模块将提取的视觉线索和空间线索融合到同一空间中并共同投射到原始空间中，所述视觉空间潜在图变换模块通过构建特征图从视觉空间融合特征中提取局部特征并对局部特征与全局特征进行融合；通过数据集对图像匹配模型进行训练； S3、通过训练好的图像匹配模型对待匹配图像对进行图像匹配； 所述视觉空间潜在图变换模块包括图构建模块、图边界节点提取模块BDB、聚合模块、编码模块、多头自注意力机制模块MHSA和FFN网络；其中，图构建模块通过计算特征点之间的关系，构建特征图，捕获节点之间的局部几何关系；BDB模块通过局部与全局特征的融合，提取多尺度上下文信息；聚合模块将特征中的局部信息和全局信息进行融合，增强整体特征表达；编码模块对输入特征进行深层次编码，提取高层语义特征，同时保留重要的输入信息；MHSA模块用于捕获全局上下文信息和特征点之间的复杂关系；FFN网络用于对每个特征点的通道维度信息进行进一步提取和非线性变换； 所述BDB模块的实现方法为： 所述BDB模块包括边界增强模块、KNN投影分支、局部注意力分支、全局注意力分支和跨层融合模块； 所述边界增强模块用于全局特征提取，其输入为全局图Gin，输出为x1；所述边界增强模块的处理过程表示为： 其中，表示使用1×1卷积将通道数从C映射到C，BN表示批归一化处理，ReLU表示ReLU激活函数，x1表示输出的全局特征； 所述KNN投影分支用于局部特征提取，其输入为x1，输出为xlocal；所述KNN投影分支的处理过程表示为： 其中，表示使用1×1卷积将通道数从C映射到C2，BN表示批归一化处理，ReLU表示ReLU激活函数，xlocal表示输出的局部特征； 所述局部注意力分支用于局部图卷积特征提取，其输入为x1，输出为xlocalatt；所述局部注意力分支的处理过程表示为： xlocalatt=DGCNNLayerGx1 其中，G表示构建局部图特征，提取局部结构信息；DGCNNLayer表示采用DGCNN层进行图卷积操作； 所述全局注意力分支用于全局上下文特征提取，其输入为x1，输出为xglobalatt；所述全局注意力分支的处理过程为：首先进行自适应平均池化，将空间尺寸压缩到1×1，再使用1×1卷积将通道数从C映射到Cr；然后进行批归一化处理，再通过ReLU激活函数，而后使用1×1卷积将通道数从Cr映射回C2，进行批归一化处理后，输出xglobalatt； 所述跨层融合模块用于特征融合，其将三个特征xglobalatt、xlocalatt和xlocal进行逐元素加法操作，输出融合后的特征图xlg，表示为： xlg=xglobalatt+xlocalatt+xlocal 再对融合后的特征图xlg应用Sigmoid，表示为： Gout=σ·xlg 其中，σ表示Sigmoid函数，Gout为BDB模块的输出。

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厦门理工学院，其通讯地址为：361024 福建省厦门市集美区理工路600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”。