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！

龙图腾网获悉合肥工业大学申请的专利一种自适应尺度不变特征聚类太阳能板掩模噪声过滤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：CN116664897B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202310422677.3，技术领域涉及：G06V10/762；该发明授权一种自适应尺度不变特征聚类太阳能板掩模噪声过滤方法是由李帷韬;刘嘉薪;孙伟;李奇越设计研发完成，并于2023-04-14向国家知识产权局提交的专利申请。

本一种自适应尺度不变特征聚类太阳能板掩模噪声过滤方法在说明书摘要公布了：一种自适应尺度不变特征聚类太阳能板掩模噪声过滤方法，属于图像检测分割与噪声过滤技术领域，解决如何过滤掉先验检测掩模图像中非太阳能板的噪声问题；计算出所有先验检测掩模的SIFT特征，并降维成固定大小的特征矩阵；对所有特征做自适应KMeans聚类，并选择出聚类中心对应的先验检测掩模构建出模板库；使用构建的模板库的SIFT特征矩阵，基于FLANN算法来对所有先验检测掩模进行估计，将置信度低于阈值的先验检测掩模标记为噪声；通过所有的先验检测掩模估计结果来构建出过滤后的掩模；能够自适应地完成对任意太阳能板全景图检测掩模的过滤，在不改变现有模型结构的情况下，过滤掉深度学习方法检测结果中非太阳能板的噪声，提高检测结果的准确率。

本发明授权一种自适应尺度不变特征聚类太阳能板掩模噪声过滤方法在权利要求书中公布了：1.一种自适应尺度不变特征聚类太阳能板掩模噪声过滤方法，其特征在于，包括：构建模板库过程和模板库匹配过程； 所述的构建模板库过程包括以下步骤： S11、首先从太阳能板的先验检测掩模图像中获取到所有的先验检测掩模，并计算所有先验检测掩模的SIFT特征，将第个掩模的所有SIFT特征向量组合成一个特征矩阵，记为，其维度为； S12、给出每个掩模的SIFT重映射特征矩阵的维度，记该维度为，然后使用矩阵的奇异值分解，将重映射成，即为SIFT重映射特征矩阵； S13、将所有SIFT特征重映射矩阵按列组合成SIFT特征描述矩阵； S14、使用自适应Kmeas算法对SIFT特征描述矩阵进行聚类分析，具体过程如下：将的每一行看作是一个高维向量，令K=2，进行聚类，完成聚类后计算该次聚类的CH值，不断增加K的值进行迭代，直到K增长到预设阈值，并选择出CH值最大的一次聚类结果； 所述的CH值的计算公式如下： 类内距离矩阵的计算公式如下： 类间距离矩阵的计算公式如下： 其中，tr表示矩阵的对角线元素之和运算，为类内距离矩阵，为类间距离矩阵，表示类E包含的元素数目，表示总共被分类为类，表示当前的点所在的类，表示当前类的聚类中心点，表示类的聚类中心，表示该类包含的元素数目，表示类E包含的元素数目，表示的元素，q为计数因子； S15、得到每个SIFT重映射特征矩阵的每个行向量的类别，统计所有行向量类别，并使用投票法得出SIFT重映射特征矩阵的类别； S16、根据所有掩模的SIFT特征重映射矩阵来将掩模划分为类，并在类中选择出最靠近聚类中心的掩模作为典型掩模，典型掩模的数目与聚类数目总体一致； S17、使用典型掩模构建出模板库，并计算出每个典型掩模的SIFT特征重映射矩阵； 所述的模板库匹配过程包括以下步骤： S21、对于全体掩模组成的掩模集合，计算出每个掩模的SIFT特征重映射矩阵，并使用FLANN匹配算法将与模板库中的典型掩模的SIFT特征重映射矩阵相匹配，记第个掩模与第个典型掩模的匹配点个数为； S22、计算出第个模板相对于所有典型掩模的等效匹配点数； S23、设定等效匹配点数的阈值，低于此阈值的掩模被分配至噪声类，否则分配至太阳能板类； S24、根据计算结果生成过滤后的掩模图像，即可过滤掉先验检测掩模中的噪声。

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合肥工业大学，其通讯地址为：230000 安徽省合肥市包河区屯溪路193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。