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！

龙图腾网获悉南昌墨泥软件有限公司申请的专利基于差分小波变换与动态多尺度特征融合的特征匹配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：CN120279288B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510767462.4，技术领域涉及：G06V10/75；该发明授权基于差分小波变换与动态多尺度特征融合的特征匹配方法是由胡志豪;刘春扬;刘聪;曾纪国;杨波;张俊承;廖立帆设计研发完成，并于2025-06-10向国家知识产权局提交的专利申请。

本基于差分小波变换与动态多尺度特征融合的特征匹配方法在说明书摘要公布了：本发明公开了基于差分小波变换与动态多尺度特征融合的特征匹配方法，包括如下步骤：构建特征匹配模型；所述特征匹配模型包括主干网络、关键点检测网络和描述符生成网络；输入待匹配图像至主干网络，生成特征图和可靠性图；输入待匹配图像至关键点检测网络，生成关键点热图，将关键点热图、可靠性图和特征图输入描述符生成网络生成待匹配图像的增强描述符，最后对待匹配图像的增强描述符进行暴力匹配；本发明主干网络中的差分小波变换下采样模块，利用离散小波变换对特征进行频域分解，将噪声与关键特征分离，并结合计算特征与邻域平均池化差值的差分操作，有效地去除了冗余信息，增强了关键特征，提高了后续特征匹配精准度。

本发明授权基于差分小波变换与动态多尺度特征融合的特征匹配方法在权利要求书中公布了：1.基于差分小波变换与动态多尺度特征融合的特征匹配方法，其特征在于，包括如下步骤：读取待匹配图像；构建特征匹配模型；所述特征匹配模型包括主干网络、关键点检测网络和描述符生成网络；主干网络由特征提取模块和第六卷积块组成；将待匹配图像输入主干网络中的特征提取模块，生成特征图，将特征图经过第六卷积块，生成可靠性图；将待匹配图像输入关键点检测网络，生成关键点热图，将关键点热图与可靠性图输入至描述符生成网络中筛选出关键点，最后根据筛选出的关键点从特征图中提取相应的待匹配图像的特征描述符，将待匹配图像的特征描述符再通过自适应多尺度描述符增强模块进行处理，得到待匹配图像的增强描述符，最后对待匹配图像的增强描述符进行暴力匹配；设置读取的待匹配图像为两张，最终对得到的两张待匹配图像的增强描述符进行暴力匹配； 所述特征提取模块包括第一卷积块、第二卷积块、第三卷积块、第四卷积块和第五卷积块；将待匹配图像分别经过第一卷积块和第二卷积块，将第一卷积块和第二卷积块的输出进行相加，得到相加特征，将相加特征依次经过第三卷积块、第四卷积块和第五卷积块后得到特征图F； 其中，第一卷积块由依次连接的第一卷积层、第一差分小波变换下采样模块、第一动态多尺度特征融合模块、第二动态多尺度特征融合模块和第二差分小波变换下采样模块组成；将待匹配图像依次经过第一卷积层、第一差分小波变换下采样模块、第一动态多尺度特征融合模块、第二动态多尺度特征融合模块和第二差分小波变换下采样模块后得到第一卷积块的输出； 其中，第二卷积块由依次连接的第一平均池化层和第二卷积层组成；将待匹配图像依次经过第一平均池化层和第二卷积层后得到第二卷积块的输出； 其中，第三卷积块由依次连接的第二动态多尺度特征融合模块和第三动态多尺度特征融合模块组成；将相加特征依次经过第二动态多尺度特征融合模块和第三动态多尺度特征融合模块后得到第三卷积块的输出； 其中，第四卷积块由依次连接的第三差分小波变换下采样模块、第四动态多尺度特征融合模块和第五动态多尺度特征融合模块组成；将第三卷积块的输出依次经过第三差分小波变换下采样模块、第四动态多尺度特征融合模块和第五动态多尺度特征融合模块后得到第四卷积块的输出； 其中，第五卷积块由依次连接的第三卷积层、第四卷积层和第五卷积层组成；将第四卷积块的输出依次经过第三卷积层、第四卷积层和第五卷积层后得到第五卷积块的输出； 其中，第六卷积块由依次连接的第六卷积层、第七卷积层和第八卷积层组成；将特征图F依次经过第六卷积层、第七卷积层和第八卷积层后再经过sigmoid函数，得到可靠性图； 所述第一差分小波变换下采样模块、第二差分小波变换下采样模块、第三差分小波变换下采样模块和第四差分小波变换下采样模块结构相同；第一差分小波变换下采样模块包括第九卷积层、离散小波变换模块、第十卷积层、边缘信息增强模块和第十一卷积层； 第一差分小波变换下采样模块的处理流程为： 将第一卷积层的输出经过第九卷积层，将第九卷积层的输出输入离散小波变换模块中进行频域分解，得到低频信息和高频信息； 将高频信息进一步分解为水平高频信息、垂直高频信息和对角高频信息； 将水平高频信息、垂直高频信息和低频信息沿通道维度拼接，得到高频信息特征图，将高频信息特征图依次经过第十卷积层和边缘信息增强模块，将边缘信息增强模块的输出和第十卷积层的输出进行相乘，将相乘后的输出再经过第十一卷积层，得到第一差分小波变换下采样模块的输出； 所述边缘信息增强模块包括第二平均池化层、第十二卷积层；边缘信息增强模块的处理流程为：将第十卷积层的输出经过第二平均池化层，采用第十卷积层的输出对第二平均池化层的输出进行相减，将相减后的输出先通过第十二卷积层进行调整，再经过Sigmoid函数进行激活，得到权重图，将权重图加1，得到边缘信息增强模块的输出； 所述第一动态多尺度特征融合模块、第二动态多尺度特征融合模块、第三动态多尺度特征融合模块、第四动态多尺度特征融合模块和第五动态多尺度特征融合模块结构相同；第一动态多尺度特征融合模块包括第一深度可分离卷积、Split函数、第二深度可分离卷积、第三深度可分离卷积、第十三卷积层、第十四卷积层、第十五卷积层和SiLU激活函数； 第一动态多尺度特征融合模块的处理流程为：将第一差分小波变换下采样模块的输出分别经过第一深度可分离卷积和第十四卷积层，将第一深度可分离卷积的输出通过Split函数在通道维度上按比例分成第一组特征、第二组特征和第三组特征，将第二组特征和第三组特征分别经过第二深度可分离卷积和第三深度可分离卷积，将第二深度可分离卷积和第三深度可分离卷积的输出和第一组特征在通道维度上进行拼接，将拼接后的结果输入第十三卷积层，将第十三卷积层和第十四卷积层的输出均经过一个SiLU激活函数后进行相乘，将相乘后的结果经过第十五卷积层，得到第一动态多尺度特征融合模块的输出； 将关键点热图与可靠性图输入至描述符生成网络中筛选出关键点，最后根据筛选出的关键点从特征图F中提取相应的待匹配图像的特征描述符的具体过程为：将关键点热图进行非极大值抑制，并选出局部响应峰值点作为候选关键点；再使用最邻近插值从关键点热图中选取候选关键点的响应值，使用双线性插值从可靠性图中选取候选关键点的特征响应，将从关键点热图中选取的候选关键点的响应值和可靠性图中选取的候选关键点的特征响应相乘得到综合分数，根据对综合分数进行排序筛选，得到关键点，再根据筛选出来的关键点采用双线性插值从特征图F中提取相应的待匹配图像的特征描述符； 所述自适应多尺度描述符增强模块包括动态双曲正切函数、第一Mamba层、第二Mamba层、第三Mamba层、线性层和GeLU激活函数；自适应多尺度描述符增强模块的处理流程为：将待匹配图像的特征描述符经过动态双曲正切函数处理，将经过动态双曲正切函数的输出与待匹配图像的特征描述符进行相加，得到第一相加描述符，将第一相加描述符分别输入第一Mamba层、第二Mamba层和第三Mamba层，将第一Mamba层、第二Mamba层和第三Mamba层的输出进行平均融合，将平均融合后的输出与第一相加描述符进行相加，得到第二相加描述符，将第二相加描述符输入线性层进行处理，将线性层的输出与第二相加描述符进行拼接，得到第三相加描述符，将第三相加描述符经过GeLU激活函数后的输出再与第三相加描述符进行拼接，得到自适应多尺度描述符增强模块的输出，即待匹配图像的增强描述符。

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南昌墨泥软件有限公司，其通讯地址为：330000 江西省南昌市南昌高新技术产业开发区紫阳大道99号江西师范大学瑶湖校区音乐艺术广场国家大学科技园众创空间S15；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”。