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)申请的专利基于结构重参数化的PRNU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：CN117237722B 。

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：202311207154.3，技术领域涉及：G06V10/764；该发明授权基于结构重参数化的PRNU匹配方法及系统是由李健;赵正忠;马宾;王春鹏;吴晓明设计研发完成，并于2023-09-19向国家知识产权局提交的专利申请。

本基于结构重参数化的PRNU匹配方法及系统在说明书摘要公布了：本发明公开了基于结构重参数化的PRNU匹配方法及系统，属于相机溯源技术领域，要解决的技术问题为如何在参考PRNU与测试PRNU几何不同步的情况下、降低PRNU匹配模型的计算负担并提高PRNU匹配效率。包括如下步骤：基于预处理后测试PRNU、预处理后参考PRNU以及测试PRUN和参考PRNU的相关矩阵构建样本数据集；构建PRNU匹配模型，所述PRNU模型为结构重参数化后的改进EfficientNet模型；以测试PRNU和参考PRNU为输入，通过训练后PRNU匹配模型预测输出测试PRNU和参考PRNU之间相关性得分。

本发明授权基于结构重参数化的PRNU匹配方法及系统在权利要求书中公布了：1.一种基于结构重参数化的PRNU匹配方法，其特征在于，包括如下步骤： 随机选取多个相机，通过每个相机拍摄多个图像作为测试图像，并提取每个测试图像的PRNU作为测试PRNU，并计算每个相机的参考PRNU； 对测试PRNU和参考PRUN进行预处理后，计算测试PRUN和参考PRNU的相关矩阵，基于预处理后测试PRNU、预处理后参考PRNU以及测试PRUN和参考PRNU的相关矩阵构建样本数据集； 构建PRNU匹配模型，所述PRNU模型为结构重参数化后的改进EfficientNet模型，包括卷积层模块、MBConv1模块和Stage结构，对于Stage结构中的每个stage，stage中第一个模块为MBConv6模块、其他模块为PConvB模块，其中，卷积层模块、MBConv1模块、MBConv6模块和PConvB模块均经过结构重参数化处理，且MBConv1模块和MBConv6模块中均引入有ECA注意力层替代原SE注意力层，所述PRNU匹配模型用于以参考PRNU和测试PRNU为输入、预测输出参考PRNU和测试PRNU之间相关性得分； 基于样本数据集对所述PRNU匹配模型进行训练，得到训练后PRNU匹配模型； 对待测图像，提取待测图像的测试PRNU，并计算匹配相机的参考PRNU，以测试PRNU和参考PRNU为输入，通过训练后PRNU匹配模型预测输出测试PRNU和参考PRNU之间相关性得分，如果相关性得分满足阈值，则判定测试PRNU与参考PRNU相关，匹配相机为待测图像的源相机； MBConv1模块包括结构重参数化的k×k卷积层、Swish激活层、ECA注意力机制层和1×1卷积层； MBConv6模块包括1×1卷积层、结构重参数化的k×k卷积层、Swish激活层、ECA注意力机制层和1×1卷积层； PConvB模块包括结构重参数化的k×k卷积层、Swish激活层以及1×1卷积层； 以MBConv1模块、MBConv6模块以及PConvB模块作为目标模块，目标模块的结构重参数化的k×k卷积层表示为：在训练时，将k×k卷积层替换成三个或四个分支，分别为k×k卷积层后接BatchNorm层、3×3卷积层后接BatchNorm层、1×1卷积层后接BatchNorm层、以及一个BatchNorm层，其中，当特征图在目标模块的输入和输出尺寸不变时，分支包括BatchNorm，当特征图在目标模块的输入和输出尺寸变化时，分支不包括BatchNorm层；在推理时，将分支替换成一个k×k卷积层； 其中，结构重参数化通过如下公式计算： ReparamK*K＝BNConvK,K+BNConv3,3+BNConv1,1+BN 其中ReparamK*K代表重参数化后的卷积，ConvK,K代表k×k的卷积，BN代表BatchNorm层。

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)，其通讯地址为：250353 山东省济南市长清区大学路3501号齐鲁工业大学；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”。