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地空地理定位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：CN115719455B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202211712282.9，技术领域涉及：G06F16/58；该发明授权一种地空地理定位方法是由魏倩茹;赵鑫设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本一种地空地理定位方法在说明书摘要公布了：本发明公开了一种地空地理定位方法，其特征在于，包括：对地面图像和卫星图像的局部特征提取；将地面图像的局部特征传输到卫星图像域以实现特征对齐；使用三重损失函数来计算两者特征之间的差距并反向更新网络参数。本发明的方法将地面图像的局部特征传输到卫星图像域，提高交叉视图地理定位的准确度；该方法对于方向扰动具有鲁棒性。当地面图像没有指定北向时仍有良好的定位效果。

本发明授权一种地空地理定位方法在权利要求书中公布了：1.一种地空地理定位方法，其特征在于，包括： 对地面图像和卫星图像的局部特征提取； 将地面图像的局部特征传输到卫星图像域以实现特征对齐； 使用三重损失函数来计算两者特征之间的差距并反向更新网络参数； 所述将地面图像的局部特征传输到卫星图像域以实现特征对齐包括： 使用sinkhorn-knopp算法进行特征的传输对齐；正则化的定义如下： ， 其中由代价函数经过正则化操作得到，最优传输问题正则化后可以描述为： ， 其中是正则化系数，它能够影响正则化对于最优传输问题的作用强度；，可得，当转移元素时，如果质量分布在少数的上，会使得每一个的取值变大，而将质量分布在多个上时，每个取值会比较小； Sinkhorn-Knopp算法首先对代价矩阵应用指数核，得到 ， 其次，Sinkhorn-Knopp算法迭代地规范化的行和列，转换为一个双随机矩阵；其中行和列的规范化如下： ， ， 其中代表的一个元素； 对于第m次迭代，Sinkhorn算法的输出可以由式3-4递归表示： ， 当迭代收敛时，可以得到特征传输矩阵： ， 获得传输矩阵后，可以在地面图像和卫星图像之间进行特征传输，如下式所示： ， 其中，代表通道的索引，和分别代表卫星图像和地面图像在第个通道中的特征数； 在经过VGG16网络提取地面图像和卫星图像的特征图后，首先采用另一个卷积层沿通道维度而非空间维度降低特征维度，保留了提取特征的空间布局信息，最终的输出特征维度为8×8×64=4096，然后用双线性插值法将地面图像的特征图调整到与卫星图像特征图一样的维度；经过调整后，地面图像特征图和卫星图像特征图的维度都是8x8x64；然后对提取的地面特征图进行一次卷积操作，卷积核维度为1×1×64×1，步长为1，padding模式为SAME，激活函数为relu，经过卷积后，得到8×8×1的矩阵，接下来将这个矩阵通过一层全连接层，得到维度为1×64×64的矩阵； 将该矩阵进行Sinkhorn熵正则化操作，得到特征传输矩阵；熵正则化能有效地降低计算复杂度，将地面图像的特征图矩阵1×8×8×64调整为1×64×64维度的矩阵，三个维度分别代表batch、channel和输入维度，然后与特征传输矩阵1×64×64做矩阵乘法，得到1×64×64的矩阵，将其维度调整为1×8×8×64，即得到地面图像特征传输后的卫星域特征； 将传输后的地面图像特征矩阵和卫星图像特征矩阵都调整维度为1×4096，再沿行坐标进行L2范数正则化；最后将该传输后的特征矩阵与卫星域图像的特征矩阵进行比较，计算loss，并反向传播更新传输矩阵； 所述使用三重损失函数来计算两者特征之间的差距并反向更新网络参数包括： 采用加权软边界三元损失函数，该损失函数在计算时按系数缩放： ， 一次性输入12张图像对，每个地面图像有一个匹配的卫星图像以及11个非匹配的卫星图像，地面图像、匹配的卫星图像和非匹配的卫星图像构成一个三元组。

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：710072 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。