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！

龙图腾网获悉长春理工大学申请的专利一种基于类内空间一致性的图像特征匹配优化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：CN120318540B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510798014.0，技术领域涉及：G06V10/75；该发明授权一种基于类内空间一致性的图像特征匹配优化方法是由余一航;冯冠元;张科设计研发完成，并于2025-06-16向国家知识产权局提交的专利申请。

本一种基于类内空间一致性的图像特征匹配优化方法在说明书摘要公布了：本发明公开了计算机视觉与图像处理技术领域的一种基于类内空间一致性的图像特征匹配优化方法，步骤如下：特征点提取与初步匹配：从查询图像和参考图像中提取特征点并进行初步匹配；初始化与变换模型估计：初始化匹配点集和残差，计算初始变换模型；误差计算与匹配点集更新：计算匹配点对的误差，采用动态筛选方法更新匹配点集；残差优化：基于残差判断是否达到最优，决定是否继续迭代；类内空间一致性聚类与孤立簇剔除：在得到最优残差后进行聚类分析，基于类内空间一致性分离子结构，剔除孤立簇；输出结果：输出剔除孤立簇后的匹配点集合，解决了传统特征匹配方法在复杂场景下误匹配难以完全剔除、对噪声敏感的问题。

本发明授权一种基于类内空间一致性的图像特征匹配优化方法在权利要求书中公布了：1.一种基于类内空间一致性的图像特征匹配优化方法，其特征在于，步骤如下： S1、特征点提取与初步匹配：从查询图像和参考图像中提取特征点并进行初步匹配； S2、初始化与变换模型估计：初始化匹配点集和残差，计算初始变换模型； S3、误差计算与匹配点集更新：计算匹配点对的误差，采用动态筛选方法更新匹配点集； S4、残差优化：基于残差判断是否达到最优，决定是否继续迭代； S5、类内空间一致性聚类与孤立簇剔除：在得到最优残差后进行聚类分析，基于类内空间一致性分离子结构，并剔除孤立簇； S6、输出结果：输出剔除孤立簇后的匹配点集合； 所述误差计算与匹配点集更新步骤中，计算匹配点对的对极几何误差ei，公式为： ei＝|pi′·F·pi|； 其中，pi＝xi,yi,1和pi′＝xi′,yi′,1为匹配点对的齐次坐标； 引入四分位法动态筛选优选点，计算误差集合{ei}的四分位数Q1和Q3，以及四分位距IQR＝Q3-Q1； 设置动态上下界阈值：下界＝Q1-1.5×IQR,上界＝Q3+1.5×IQR； 若匹配点对的误差ei在动态上下界阈值范围内，则将其加入优选点集，否则标记为候选外点，使用优选点集重新估计基础矩阵F，通过最小二乘法求解优化问题，并对F进行奇异值分解修正，将最小奇异值设为0； 类内空间一致性聚类与孤立簇剔除步骤中，对当前优选点集提取多维特征构造6维特征向量vi＝xi,yi,xi′,yi′,ei,di，所述多维特征包括匹配点对在两幅图像中的像素坐标xi,yi和xi′,yi′、几何误差ei＝|pi′·F·pi|和像素位移 其中，，|pi′·F·pi|是每个匹配点对的几何误差，残差rt反映了当前基础矩阵F对优选点集的拟合程度，残差越小，模型质量越高； 采用K-Means聚类方法，预设簇数量K，随机选择K个初始聚类中心{c1,c2,...,cK}，对每个特征向量vi，计算其与聚类中心的欧氏距离： 将特征向量vi分配到最近的簇： labelvi＝argminkdistvi,ck； 更新聚类中心： 迭代直到中心稳定或达到最大迭代次数后，检查每个簇的点数|Sk|，若点数小于设定阈值，则将该簇视为孤立簇，剔除孤立簇中的点。

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长春理工大学，其通讯地址为：130000 吉林省长春市卫星路7089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”。