哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院);上海航天精密机械研究所陈斌获国家专利权
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！
龙图腾网获悉哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院);上海航天精密机械研究所申请的专利基于注意力机制和对比学习的多模态图像配准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：CN117132627B 。
龙图腾网通过国家知识产权局官网在2025-10-03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：202311021110.1，技术领域涉及：G06T7/30；该发明授权基于注意力机制和对比学习的多模态图像配准方法是由陈斌;黄振荣设计研发完成，并于2023-08-14向国家知识产权局提交的专利申请。
本基于注意力机制和对比学习的多模态图像配准方法在说明书摘要公布了：本发明涉及图像配准技术领域，公开了一种基于注意力机制和对比学习的多模态图像配准方法，包括将初始模态图像A和初始模态图像B输入配准网络中，生成形变场，并优化形变场的生成；将初始模态图像A输入翻译网络并得到翻译模态图像Bt；将翻译模态图像Bt经过形变场形变后的图像与初始模态图像A等进行像素块级别的对比损失；将翻译模态图像Bt经过形变场形变后的图像与初始模态图像B等进行逐像素值的L1损失；促使配准网络生成光滑形变场；以最小化上述像素块级别的对比损失的和为目标，训练优化翻译网络和配准网络。本发明能够达到较高的配准精准度和配准效率。
本发明授权基于注意力机制和对比学习的多模态图像配准方法在权利要求书中公布了：1.基于注意力机制和对比学习的多模态图像配准方法，其特征在于，包括以下步骤： S1，将初始模态图像A和初始模态图像B输入配准网络中，生成形变场，并根据优化函数优化形变场的生成； S2，将初始模态图像A输入翻译网络，得到翻译后的翻译模态图像；将翻译模态图像与初始模态图像A进行像素点级别的对比损失，以鼓励翻译网络保留物体形状； S3，将翻译模态图像经过形变场形变后的图像与初始模态图像B进行逐像素值的L1损失，以最大化外观相似性； S4，将初始模态图像A经过形变场形变后的图像与初始模态图像B进行像素点级别的对比损失，促使配准网络能在像素点级别进行对齐； S5，将初始模态图像A经过翻译再进行形变后的图像和初始模态图像B经过翻译后的图像进行逐像素值的L1损失的计算； S6，使用形变场正则项以促使配准网络生成光滑形变场； S7，以最小化上述像素点级别的对比损失的和为目标，训练优化翻译网络和配准网络，所述对比损失为基于注意力的对比学习损失。
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哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院);上海航天精密机械研究所，其通讯地址为：518055 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励