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！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东正晨科技股份有限公司申请的专利基于四叉树网格优化的深度图像对齐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：CN120070527B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510535831.7，技术领域涉及：G06T7/33；该发明授权基于四叉树网格优化的深度图像对齐方法是由焦成宇;高鹤;白凯月;韦凯;颜国翠;孙凯健;张书锐;郑文静;李军设计研发完成，并于2025-04-27向国家知识产权局提交的专利申请。

本基于四叉树网格优化的深度图像对齐方法在说明书摘要公布了：本发明涉及深度图像对齐技术领域，尤其是提供了一种基于四叉树网格优化的深度图像对齐方法。该方法包括通过网格生成模块生成四叉树动态网格及掩码；基于四叉树动态网格，设计深度图像对齐网络，使用像素级图像对齐函数和网格约束损失函数进行优化；通过所述的深度图像对齐网络估计图像的单应性变换和网格偏移参数；根据估计的单应性变换和网格偏移参数，对图像依次进行单应性变换和网格偏移变换，在两次图像变换过程中，使用基于BiCubic函数的双三次插值算法对网格进行平滑变换，该方法解决了复杂场景中图像对齐的问题，克服了在处理复杂几何变形和大视角变化时的不足。

本发明授权基于四叉树网格优化的深度图像对齐方法在权利要求书中公布了：1.一种基于四叉树网格优化的深度图像对齐方法，其特征在于，所述方法包括： 步骤1、通过网格生成模块生成四叉树动态网格及掩码，所述网格生成模块根据图像特征点的分布密度调整四叉树网格的细化程度； 步骤2、基于所述的四叉树动态网格，设计深度图像对齐网络，使用像素级图像对齐函数和网格约束损失函数进行优化；通过所述的深度图像对齐网络估计图像的单应性变换和网格偏移参数； 步骤3、根据估计的单应性变换和网格偏移参数，对图像依次进行单应性变换和网格偏移变换，在两次图像变换过程中，使用基于BiCubic函数的双三次插值算法对网格进行平滑变换； 所述步骤1包括： 对于每一对待拼接的图像，首先利用尺度不变特征转换SIFT算法提取图像中的特征点描述符di=（di1，di2，…，di128），其中每个描述符包括关键点在尺度空间内4×4窗口内计算的8个方向的梯度信息，生成一个128维的向量作为特征表征；获取特征描述符后，采用暴力匹配的方式，计算参考图像Ir中每个特征描述符dr与目标图像It中所有描述符dt之间的相似度，其表达式为； ； 其中n=128；对于每一个特征点描述符，得到其最邻近距离Dn和次邻近距离Ds，通过计算最邻近距离与次邻近距离的比率r，当比率r小于阈值t时，为可信的匹配对；在此基础上，利用四叉树结构对特征描述符匹配对进行空间划分，根据匹配点的分布密度，通过递归的方式，逐步细分网格空间，从而在图像上形成四叉树动态网格结构；递归细化的核心表达式为： ； 其中，表示第n个网格坐标，由网格的左上角坐标和右下角坐标组成，其表达式为： ； 表示细化后网格的坐标，其中每个坐标表示为： ； 其中，为网格的中心点，计算表达式为： ； 获得四叉树动态网格后，为其生成掩码，包括： 以四叉树动态网格中的最小网格为单位的生成均匀网格，通过以下公式生成一个预测掩码： ； 其中，为与相对应的四叉树动态网格点坐标，为四叉树动态网格点集； 所述步骤2中对像素级图像对齐函数像素一致性损失进行计算，令表示图像的扭曲操作，Ir为参考图像，It为目标图像，Ⅱ为与Ir具有相同分辨率的全一矩阵，为单应性变换参数，为网格偏移参数；基于此，对齐损失定义为： 网格约束损失函数包括平滑损失和变形损失，其中，平滑损失用于控制网格的平滑程度；变形损失用于约束非重叠区域网格变形程度； 平滑损失表示为： ； 其中，表示水平或垂直相邻点的余弦相似度，，分别表示水平和垂直方向的相邻点数量； 变形损失可以表示为： ； 其中，是一个掩码，表示哪些区域属于非重叠区域；为非重叠区域网格偏移量； 所述步骤2中通过所述的深度图像对齐网络估计图像的单应性变换和网格偏移参数包括：采用先粗后精的对齐策略，首先通过单应性变换进行粗对齐，然后利用四叉树动态网格对进行精确对齐； 深度图像对齐网络的主干网络对待拼接的两张输入图像进行一个卷积操作，所述两张输入图像的网络权重共享，随后通过四层HCS模块提取图像特征，每层滤波器大小为128、256、512、512，得到F12，F14，F18，F116，将F116输入到一个SC模块进行处理，之后进行上采样并与F18进行拼接，得到F18’，其通道数为1536；然后，将F18’输入一个HCS模块得到的F18”，其通道数为1024，将其进行上采样并与F14拼接得到F14’，其通道数为1280，再次输入一个HCS模块得到F14”，其通道数为512；深度图像对齐网络的预测网络通过CCL层计算特征图（Fr18”，Ft18”）之间的相关性，随后使用一个包括三个全连接层的MLP头估计单应性变换；通过得到的单应性变换参数对Ft14”进行变换，实现初步粗对齐，将Fr14”与变换后的Ft14”输入第二个CCL层和MLP头得到初预测值，通过与掩码的Hadamard乘积操作，将初预测值映射到原始图像的四叉树动态网格中，得到四叉树动态网格的网格偏移参数； 所述HCS模块包括一个haar小波采样层、一个C2f层和一个SCSA注意力层，每个滤波器对应的C2f层数为3、6、6、3；SC模块包括一个SPPF层和一个CAM注意力机制层，SPPF层和CAM注意力机制层的输出特征通过Concat拼接后输出。

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齐鲁工业大学(山东省科学院);山东正晨科技股份有限公司，其通讯地址为：250000 山东省济南市长清区西部新城大学科技园；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”。