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！

龙图腾网获悉西北工业大学申请的专利一种基于GLU-Net-Evaluate的SAR图像自适应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：CN119379752B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411425927.X，技术领域涉及：G06T7/33；该发明授权一种基于GLU-Net-Evaluate的SAR图像自适应配准方法是由赵源;王仰犀;郭梦桥;张汇楠;孔丁丁设计研发完成，并于2024-10-12向国家知识产权局提交的专利申请。

本一种基于GLU-Net-Evaluate的SAR图像自适应配准方法在说明书摘要公布了：本发明涉及图像处理领域，尤其涉及一种基于GLU‑Net‑Evaluate的SAR图像自适应配准方法；技术问题：在对SAR图像进行配准时，采用将成熟的可见光图像配准模型应用于SAR图像配准，由于可见光图像与SAR图像之间的特性和分布差异较大，往往效果不佳，且由于SAR图像配准方面数据稀缺性问题较为严重，因此不仅对算法的训练和验证产生了印影响，且可能导致过拟合以及泛化性能不佳的问题；技术方案：一种基于GLU‑Net‑Evaluate的SAR图像自适应配准方法，包括有利用光流估计网络生成最终的预测光流场，以此完成图像配准；本发明通过设置迁移学习技术训练GLU‑Net网络，然后在稀缺的SAR数据上进行训练，并加入评估网络，利用评估网络指导其在SAR上的训练，可以现有方法的局限性，提高SAR图像配准的性能。

本发明授权一种基于GLU-Net-Evaluate的SAR图像自适应配准方法在权利要求书中公布了：1.一种基于GLU-Net-Evaluate的SAR图像自适应配准方法；其特征在于：包括有以下步骤： S11：对输入的SAR图像数据进行数据预处理，将不同的SAR图像数据转换为标准化的图像数据； S12：利用特征网络对经过预处理后的图像数据进行特征提取； S13：对经过特征提取后的SAR图像数据进行特征匹配，在多个SAR图像数据中找到相同的特征点或特征区域； S14：利用光流估计网络生成最终的预测光流场，利用预测光流场完成图像配准； 在利用光流估计网络生成最终的预测光流场，利用预测光流场完成图像配准时，包括以下步骤： S31：首先对输入的目标图像It和源图像Is在不同分辨率上使用特征提取器提取特征，其中，不同分辨率包括有L1、L2、L3和L4，且L1、L2、L3和L4的分辨率级别依次增加； S32：然后在分辨率L1上，网络计算源特征FL1和目标特征FL1之间的全局相关性，并使用归一化和ReLU激活函数来处理得到的全局相关性，以强化确定的匹配并降低不确定匹配的权重； S33：全局相关性被映射解码器Mtop转换成一个二维的密集对应图m1，该对应图接着被转换为位移场w1x＝m1x-x，其中x为图像的像素坐标，得到源图像到目标图像的粗略光流； S34：依次在不同分辨率层L2、L3和L4上使用计算出的局部相关性模块进一步细化光流，同时光流解码器利用局部相关性和上一层级上采样的光流来计算残差光流，然后残差光流与上一层的光流相加，得到当前层的完整光流； 在利用光流估计网络生成最终的预测光流场，利用预测光流场完成图像配准时，采用评估网络对光流估计网络进行参数更新和优化，其中，评估网络使用LSTM生成一个用于评估的场景，并将其输入损失计算函数，以综合历史信息来指导整体参数更新，评估网络的工作流程为： S41：接收图像的光流估计数据作为网络输入； S42：网络输入数据通过全连接层、批量归一化层以及残差连接进行处理，实现特征提取和增强； S43：提取的特征经过Dropout层进行正则化处理，得到初步评估场； S44：LSTM层处理初步评估场； S45：LSTM输出通过两个全连接层，生成评估场。

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北工业大学，其通讯地址为：710068 陕西省西安市友谊西路127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。