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！

龙图腾网获悉西安电子科技大学申请的专利一种基于多泛化知识积累的小样本图像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：CN116778198B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202310545395.2，技术领域涉及：G06V10/74；该发明授权一种基于多泛化知识积累的小样本图像匹配方法是由杜兰;李雨;宋佳伦;郭昱辰;周宇设计研发完成，并于2023-05-15向国家知识产权局提交的专利申请。

本一种基于多泛化知识积累的小样本图像匹配方法在说明书摘要公布了：本发明公开了一种基于多泛化知识积累的小样本图像匹配方法，包括：获取第一光学图像和第一SAR图像；对第一光学图像和第一SAR图像进行预处理，得到多个第一光学图像切片和多个第一SAR图像切片；将多个第一光学图像切片输入匹配模型的第一分支、将多个第一SAR图像切片输入匹配模型的第二分支，得到第一特征向量和第二特征向量；其中，匹配模型为基于小样本子任务、跨场景子任务、小样本子任务的第一支撑集、第一查询集以及跨场景子任务的第二支撑集、第二查询集训练得到的双分支网络；根据第一特征向量与第二特征向量间的相似性，得到匹配结果。本发明采用的泛化知识学习策略使匹配模型对于不同场景的小样本情况均能良好适用，提高了模型的泛用性。

本发明授权一种基于多泛化知识积累的小样本图像匹配方法在权利要求书中公布了：1.一种基于多泛化知识积累的小样本图像匹配方法，其特征在于，包括： 获取待匹配的第一光学图像和第一SAR图像； 对所述第一光学图像和第一SAR图像进行预处理，得到多个第一光学图像切片和多个第一SAR图像切片； 将所述多个第一光学图像切片输入匹配模型的第一分支、将所述多个第一SAR图像切片输入匹配模型的第二分支，分别得到第一特征向量和第二特征向量；其中，所述匹配模型为：基于FewShot小样本子任务、跨场景子任务、所述小样本子任务的第一支撑集、第一查询集以及所述跨场景子任务的第二支撑集、第二查询集训练得到的双分支网络； 根据所述第一特征向量与所述第二特征向量间的相似性，得到所述光学图像与所述SAR图像的匹配结果； 所述匹配模型按照如下步骤训练获得： 从数据集中获取不同场景下的多个光学-SAR图像对，每个所述光学-SAR图像对包括第二光学图像及其对应的第二SAR图像； 对各个光学-SAR图像对进行预处理，形成所述不同场景下的训练数据集合，其中，表示第n个场景的训练数据，n=1,2，……，N，每个场景的训练数据包括该场景的多个第二光学图像切片及其对应的多个第二SAR图像切片； 构建待训练的双分支网络并进行参数初始化；所述待训练的双分支网络包括第一分支和第二分支，其中，所述第一分支与所述第二分支均包括七层卷积层； 将所述不同场景中的任意一个场景作为特定场景、其余场景作为辅助场景，基于所述特定场景的训练数据与所述辅助场景的训练数据，分别构建第i个小样本子任务的数据集合以及第i个跨场景子任务的数据集合； 基于所述第i个小样本子任务的数据集合与所述第i个跨场景子任务的数据集合，交替对所述待训练的双分支网络进行训练，直至所述双分支网络的精度达到预设条件后，将训练完成的双分支网络确定为匹配模型； 将所述不同场景中的任意一个场景作为特定场景、其余场景作为辅助场景，基于所述特定场景的训练数据与所述辅助场景的训练数据，分别构建第i个小样本子任务的数据集合以及第i个跨场景子任务的数据集合的步骤，包括： 将所述不同场景中的任意一个场景作为特定场景、其余场景作为辅助场景； 获取任意一个辅助场景下第一数据量的训练数据，形成第一支撑集，并获取该辅助场景下第二数据量的训练数据，形成第一查询集，构成第i个小样本子任务的数据集合；其中，所述第一数据量小于所述第二数据量； 获取任意一个辅助场景下第一数据量的训练数据，形成第二支撑集，并获取另一辅助场景下第二数据量的训练数据，形成第二查询集，构成第第i个跨场景子任务的数据集合。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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”。

以上内容由龙图腾AI智能生成。