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！

龙图腾网获悉杭州电子科技大学申请的专利一种无人机可见光与红外图像的刚性配准方法及系统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：CN121437582B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202512036338.3，技术领域涉及：G06T7/33；该发明授权一种无人机可见光与红外图像的刚性配准方法及系统是由王宝恒;杨韩;孔万增;王席平设计研发完成，并于2025-12-31向国家知识产权局提交的专利申请。

本一种无人机可见光与红外图像的刚性配准方法及系统在说明书摘要公布了：本发明公开一种无人机可见光与红外图像的刚性配准方法及系统，基于双模态特征交互与因果注意力增强机制，通过粗配准与细配准两阶段逐步实现高精度的跨模态图像对齐，从而在低信噪比及局部遮挡等复杂条件下仍能获得稳定的空间变换结果。本发明可实现无人机红外与可见光图像在模态差异与尺度差异显著条件下的高精度刚性配准，通过借鉴人类在观察大场景时逐步分区比对的视觉机制，将配准任务建模为长序列依赖问题，并引入CALS模块以逐步聚焦局部区域，避免传统全局建模中信息过载造成的混淆，从而在全局尺度一致性与局部几何精度之间取得平衡。

本发明授权一种无人机可见光与红外图像的刚性配准方法及系统在权利要求书中公布了：1.一种无人机可见光与红外图像的刚性配准方法，其特征在于，包括如下步骤： 步骤S1，对输入的可见光图像和红外图像进行粗配准图像预处理，获得可见光局部图像patch； 步骤S2，对可见光局部图像patch和红外图像进行特征提取，获得低维表征； 步骤S3，进行双模态特征交互，获得对称交互的粗配准特征表示； 步骤S4，进行空间序列聚合，按行列优先顺序序列化获得完整特征序列； 步骤S5，对粗配准特征序列应用CALS模块，以增强局部特征交互与长序列依赖，并抑制无关区域干扰，获得增强特征序列； 步骤S6，对增强后的特征序列进行行列序列聚合与参数回归，获得粗配准的平移和尺度参数并实现初步配准； 步骤S7，对初步配准后的可见光图像和红外图像进行细配准图像预处理，分别获得可见光和红外细粒度图像patch； 步骤S8，对细粒度图像patch进行特征提取，获得每个图像patch的低维表征； 步骤S9，进行双模态特征交互，获得对称交互的细粒度特征表示； 步骤S10，进行空间序列聚合，按行列优先顺序序列化获得完整特征序列； 步骤S11，应用CALS模块，增强局部特征信息； 步骤S12，进行行列特征融合与参数回归，获得最终的平移、尺度和旋转参数并实现精细配准； 在步骤S5中，CALS模块对粗配准特征序列进行如下操作： 步骤S51，对输入特征序列进行层归一化操作； 步骤S52，将归一化的序列线性投影变换后拆分成特征序列和特征序列两个部分； 步骤S53，对特征序列进行一维卷积操作，然后使用SiLU激活函数进行非线性变换； 步骤S54，将卷积激活后的特征送入因果注意力层，因果注意力机制通过上三角因果掩码确保每个位置只能关注自身及之前的位置； 步骤S55，将特征序列应用SiLU激活函数，然后将经过因果注意力处理的特征与激活后的特征序列进行逐元素相乘； 步骤S56，将增强后的输出特征线性投影变换后与输入特征序列相加，形成残差连接； 式中，为输入特征序列；为层归一化操作；为线性投影矩阵，用于生成特征序列和特征序列；为拆分操作；为一维卷积操作；为激活函数；为卷积激活后的特征；为经过因果注意力后的特征；表示逐元素相乘；为增强后的输出特征；为输出线性变换矩阵；、、分别为注意力查询、键和值；为注意力维度；为上三角因果掩码；为转秩符。

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杭州电子科技大学，其通讯地址为：310000 浙江省杭州市钱塘区下沙高教园区学林街188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。