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！

龙图腾网获悉无锡学院申请的专利一种改进型双目立体匹配融合算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：CN119251198B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411398447.9，技术领域涉及：G06T7/00；该发明授权一种改进型双目立体匹配融合算法是由花国祥;闫纪源;黄兴;李伟伟;王升旭设计研发完成，并于2024-10-09向国家知识产权局提交的专利申请。

本一种改进型双目立体匹配融合算法在说明书摘要公布了：本发明涉及计算机视觉与图像处理技术领域，本发明公开了一种改进型双目立体匹配融合算法，包括以下步骤：S1：输入图像预处理；S2多尺度深度特征提取；S3：基于融合后的多尺度特征，设计改进匹配代价函数；S4：对计算出的匹配代价进行聚合和优化，根据优化后的匹配结果生成视差图；S5：引入自适应学习机制，通过实时反馈对深度学习模型和多尺度特征融合参数进行微调，输出高精度视差图。本发明具有更高的匹配精度、鲁棒性和实时调整能力，解决了现有技术中在复杂环境下误匹配严重、实时性不足等问题。

本发明授权一种改进型双目立体匹配融合算法在权利要求书中公布了：1.一种改进型双目立体匹配融合方法，其特征在于，包括以下步骤： S1：输入图像预处理； S2：多尺度深度特征提取，采用卷积神经网络进行特征增强； S3：基于融合后的多尺度特征，设计改进匹配代价函数； 构建亮度差异匹配代价计算公式，所述亮度差异匹配代价计算公式如下： 其中，表示在像素x,y处的亮度差异匹配代价，衡量左图和右图在不同视差假设d下的亮度差异；和表示左图和右图的像素值，分别位于x,y和x-d,y处，视差d表示左右图像之间的位移；用于归一化的多尺度参数，不同尺度下的匹配代价会归一化到相同范围；p用于控制亮度差异的影响程度； 根据亮度差异匹配代价计算公式的输出结果设定亮度差异匹配代价阈值为； 当＞时，表示亮度差异过大，该视差d对应的像素点匹配不准确； 当≤时，表示亮度差异小，该视差d对应的像素点匹配准确； 根据设定的阈值对亮度差异匹配代价计算公式的输出结果过滤，选取亮度差异小的亮度差异匹配代价作为输入结果构建多尺度特征融合公式，且多尺度特征融合公式如下： 其中，表示在像素x,y处的多尺度特征融合代价；和表示左右图像在不同尺度s下提取的特征值；为尺度权重系数，不同尺度下的特征有不同的影响权重；S为多尺度的总数； 根据多尺度特征融合公式输出结果设定多尺度特征融合代价阈值； 当＞时，表示特征差异大，匹配不准确； 当≤时，表示特征差异小，匹配准确； S4：对计算出的匹配代价进行聚合和优化，根据优化后的匹配结果生成视差图； 根据设定的多尺度特征融合代价阈值对多尺度特征融合公式输出结果进行过滤，选取多尺度特征差异小的多尺度特征融合代价作为输入结果构建平滑约束与梯度惩罚公式，且平滑约束与梯度惩罚公式如下： 其中，表示平滑约束与梯度惩罚后的匹配代价；表示特征图在x和y方向上的二阶偏导数，控制视差图的平滑性；表示平滑控制参数；为梯度惩罚项的系数，用于控制深度特征的梯度对匹配代价的影响；表示特征梯度的惩罚项，为学习率； S5：引入自适应学习机制，通过实时反馈对深度学习模型和多尺度特征融合参数进行微调，输出高精度视差图； 根据平滑约束与梯度惩罚公式的输出结果构建自适应学习与最终匹配代价聚合公式，且自适应学习与最终匹配代价聚合公式如下： 其中，表示像素x,y处的最终视差值；为自适应学习控制参数，决定历史数据对当前匹配结果的影响；通过自适应学习机制对过去的匹配代价进行加权处理，其中T为时间步数，和分别是历史代价的均值和标准差，t为时刻。

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无锡学院，其通讯地址为：210044 江苏省无锡市锡山区安镇街道锡山大道333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。