浙江工业大学占红武获国家专利权
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!
龙图腾网获悉浙江工业大学申请的专利融合特征配准与形变优化的数字印刷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:CN119559227B 。
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:202411714198.X,技术领域涉及:G06T7/33;该发明授权融合特征配准与形变优化的数字印刷图像配准方法是由占红武;陈艳设计研发完成,并于2024-11-27向国家知识产权局提交的专利申请。
本融合特征配准与形变优化的数字印刷图像配准方法在说明书摘要公布了:本发明提供一种融合特征配准与形变优化的数字印刷图像配准方法,涉及数字印刷领域,该方法包括:利用特征提取算法实现全局配准;再结合形变估计算法进行局部形变优化;在全局配准阶段自适应引入缩小因子来提升配准效率;在局部形变优化阶段,对印前原图进行超像素分割,根据印刷图像与印前原图的对应超像素区域的差值信息,引入非线性的亮度补偿机制,从而克服亮度对形变估计算法的约束。本发明能应对印刷过程中以及对印刷图像进行采集的过程中,印刷图像可能出现的各种刚性变形、弹性变形以及与印前原图之间的亮度差异,从而提升数字印刷图像的配准精度。
本发明授权融合特征配准与形变优化的数字印刷图像配准方法在权利要求书中公布了:1.一种融合特征配准与形变优化的数字印刷图像配准方法,其特征在于,包括:首先利用特征提取算法实现印前原图与印刷图像之间的全局配准,再结合形变估计算法进行局部形变优化;在全局配准阶段自适应引入缩小因子;在局部形变优化阶段,对印前原图进行超像素分割,根据印刷图像与印前原图的对应超像素区域的差值信息,引入非线性的亮度补偿机制; 所述自适应引入缩小因子,具体步骤包括: 1.1选择印前原图长、宽中较小的值,用240除以该值,所得结果即为初始缩小因子; 1.2根据缩小因子得到对应缩小仿射矩阵以及相应的放大仿射矩阵,根据缩小仿射矩阵S对待配准印刷图像与印前原图进行尺寸重定后进行全局配准; 1.3计算全局配准结果与印前原图的相关系数CC值,如果CC值超过设定阈值,则输出全局配准结果;如果未超过设定阈值,则将缩小因子增大一倍,然后重复步骤1.2和1.3,直至CC值超过所述设定阈值,输出符合要求的全局配准结果; 所述非线性的亮度补偿机制,具体包括: 3.1通过超像素分割算法将印前原图中的像素组合成具有相似性质的更大区域,分别对具有相似性质的区域进行亮度补偿,具体的,根据印前原图与全局配准结果的差值信息,对印前原图进行亮度补偿,,其中所述上以点所在超像素区域的像素平均值,作为点的亮度补偿值,为补偿系数,取值范围为0.8~1.2; 3.2得到亮度补偿后的印前原图像与全局配准结果的帧间差;亮度补偿后的印前原图梯度信息 3.3根据形变估计算法有,,经过泰勒展开,,从而得到,;为印前原图与印刷图像之间点的偏移量; 3.4将全局配准结果的梯度加入偏移量的计算中,得到每个像素点的偏移量, , , 其中是加入亮度补偿后计算的结果,是上点处的值,和分别是加入亮度补偿后的印前原图上点处方向和方向的梯度,和分别是全局配准图上点处方向和方向的梯度,为归一化因子,用于控制偏移量大小。
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浙江工业大学,其通讯地址为:310014 浙江省杭州市下城区潮王路18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。
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。

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