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！

龙图腾网获悉潍坊学院;山东宏科水电设备有限公司申请的专利无监督视差容忍太赫兹图像拼接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：CN120563317B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202511052633.1，技术领域涉及：G06T3/4038；该发明授权无监督视差容忍太赫兹图像拼接方法及系统是由李伦;蔡洪福;王文成;吴小进;高远设计研发完成，并于2025-07-30向国家知识产权局提交的专利申请。

本无监督视差容忍太赫兹图像拼接方法及系统在说明书摘要公布了：本发明涉及一种无监督视差容忍太赫兹图像拼接方法及系统，属于图像处理技术领域；包括如下步骤：S1：几何形变校正阶段：对输入的低分辨率、纹理稀疏且存在视差的太赫兹图像对进行特征提取、匹配及形变估计，实现几何对齐；S2：图像融合阶段：对几何对齐后的图像对进行无缝融合，优化拼接边界过渡效果；针对太赫兹图像低分辨率、纹理稀疏、视差显著等特性，通过两阶段架构与多模块协同优化，在自建太赫兹数据集与UDIS‑D标准数据集上均优于现有方法，实现了无监督训练下的几何一致性与无缝融合效果，有效扩展了太赫兹成像在工业检测、安全检查等大场景中的应用范围。

本发明授权无监督视差容忍太赫兹图像拼接方法及系统在权利要求书中公布了：1.一种无监督视差容忍太赫兹图像拼接方法，其特征在于，包括如下步骤： S1：几何形变校正阶段：对输入的低分辨率、纹理稀疏且存在视差的太赫兹图像对进行特征提取、匹配及形变估计，实现几何对齐； 其中，所述几何形变校正阶段包括： S11：特征提取：采用EfficientNet作为骨干网络，结合特征金字塔网络提取多尺度特征； S12：特征匹配：通过改进型Transformer架构的三阶段渐进式匹配策略建立特征关联，包括粗匹配、自注意力增强和交叉注意力匹配三个阶段； S13：有效点检测：通过轻量级卷积神经网络对匹配点对的可靠性进行判别，过滤不可靠匹配点； S14：形变估计：结合全局单应性矩阵回归与局部网格变形生成平滑变形场，约束相邻区域的空间连续性； S2：图像融合阶段：对几何对齐后的图像对进行无缝融合，优化拼接边界过渡效果； 所述图像融合阶段包括： S21：改进扩散模型：采用多尺度U‑Net架构整合自注意力与交叉注意力机制，结合时间编码与自适应归一化层优化噪声敏感性； S22：掩膜引导融合：通过动态掩膜生成与加权融合策略，实现拼接边界的无缝过渡; 所述几何形变校正阶段与图像融合阶段均采用无监督训练，其中，图像融合阶段总损失函数为： 16其中，、、、和是边界损失函数、平滑损失函数、感知损失函数、多尺度损失函数及扩散损失函数的权重系数，用于平衡各损失项的贡献； 图像融合阶段各部分的损失函数为： 17。 2.根据权利要求1所述的无监督视差容忍太赫兹图像拼接方法，其特征在于，所述的步骤S11中，特征提取网络的数学表示为： ，i∈{1, 2}，l∈{1, 2, 3, 4, 5}1其中，Ii表示输入图像，表示从第i张图像提取的第l层特征图，表示特征提取网络在第l层的映射函数，所述特征图的尺度为原始图像的14、18、116、132和164。 3.根据权利要求2所述的无监督视差容忍太赫兹图像拼接方法，其特征在于，所述步骤S12中，特征匹配的三阶段策略包括： 1粗匹配：通过线性投影将高维特征降维至低维空间，计算互相关矩阵生成初始匹配对；数学表达为： 2其中表示投影函数，q，j为特征点索引； 2自注意力增强：通过多头自注意力机制建模特征图内部长程依赖，计算为： 3其中，Q, K, V为同一图像特征的查询、键、值矩阵； 3交叉注意力匹配：构建双路交叉注意力网络计算图像对特征相似度，数学表述为： 4其中，Q1和K2分别是第一张和第二张图像特征的查询和键矩阵，d是特征维度，M是匹配矩阵。 4.根据权利要求3所述的无监督视差容忍太赫兹图像拼接方法，其特征在于，所述步骤S13中，有效点检测网络的输入为匹配点对p1, p2周围的局部特征块，输出为置信度得分计算方式为： 5其中，sp1, p2表示匹配点对p1, p2的置信度得分，Fipi表示第i张图像在点pi周围的特征块，表示判别网络； 训练时，对于太赫兹图像中的每个匹配点对，采用RANSAC算法计算其单应性矩阵H，然后计算变换误差，将单应性变换误差作为监督信号生成训练标签； 6若sp1, p2τ,其中τ为预设阈值，则该匹配点对被标记为有效点，否则被标记为无效点。 5.根据权利要求4所述的无监督视差容忍太赫兹图像拼接方法，其特征在于，所述步骤S14中，变形场的连续性约束通过特征图梯度计算，数学表示为： 7其中，表示有效点集合，表示特征图Fi的梯度，Mp表示点p在第二张图像中的匹配点；采用该约束能够确保特征图在匹配点周围的梯度变化保持一致，从而促进空间连续性；最终的变形场结合了全局单应性变换和局部网格变形，单应性矩阵H及最终的变形场函数为： 8其中，Ω表示单应性回归网络，它接收特征图和匹配矩阵作为输入，输出单应性变换矩阵；Wp表示点p的最终变形位置，Hp表示单应性变换后的位置，Gp表示网格变形产生的偏移量，T表示确保变形结果在图像范围内的约束函数。 6.根据权利要求1所述的无监督视差容忍太赫兹图像拼接方法，其特征在于，所述步骤S21中改进扩散模型的数学表达为： 1112其中，x0表示原始图像，xt表示添加t步噪声后的图像，βt表示第t步的噪声方差，αt=1‑βt，；同时结合自注意力机制，能够从低信噪比图像中提取全局上下文信息，增强纹理稀疏区域的语义一致性； 13其中，θ表示模型参数，μθ和∑θ分别表示预测的均值和方差。 7.根据权利要求6所述的无监督视差容忍太赫兹图像拼接方法，其特征在于，所述步骤S22中掩膜引导融合具体包括以下步骤： S221：输入变形后的图像对：变形图像1, 变形图像2；掩膜：掩膜1, 掩膜2；从图像融合网络输出的预测掩膜图像中，截取相应图像区域，记作掩膜_out，并对掩膜_out进行二值化处理，得到显式的前景区域； 14S222：将上述二值化的掩膜与图像变形图像2进行元素相乘，从而提取目标区域内的图像内容，将非零区域粘贴到图像变形图像1与掩膜1 的逐元素乘积结果的左侧，完成最终图像的合成；上述处理过程的数据描述为： 15式中，为变形图像1图像；为变形图像2图像；为掩膜1；为图像融合网络输出的原始掩膜； S223：通过公式11扩散模型对拼接图像添加可控噪声，并通过公式12进行多尺度U‑Net逐步去噪，利用注意力机制捕获跨图像的语义关联性，确保拼接边界处纹理的连贯性。 8.一种无监督视差容忍太赫兹图像拼接系统，应用于权利要求1‑7任一所述的无监督视差容忍太赫兹图像拼接方法，其特征在于，包括： 几何形变校正模块，用于执行特征提取、匹配、有效点检测及形变估计； 图像融合模块，用于改进扩散模型与掩膜引导融合； 训练模块，用于通过无监督损失函数优化几何形变校正模块与图像融合模块的参数。 9.根据权利要求8所述的无监督视差容忍太赫兹图像拼接系统，其特征在于，所述的几何形变校正模块采用EfficientNet‑B3作为特征提取骨干，结合特征金字塔网络提取5个尺度的特征图；所述图像融合模块采用多尺度U‑Net架构，整合自注意力与交叉注意力机制，并包含自适应归一化层与时间编码层。

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潍坊学院;山东宏科水电设备有限公司，其通讯地址为：261061 山东省潍坊市高新开发区东风东街5147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。