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基于多尺度纤细网络的诱导迭代前视声呐图像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：CN116228968B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202310004581.5，技术领域涉及：G06T17/00；该发明授权基于多尺度纤细网络的诱导迭代前视声呐图像配准方法及系统是由郭春生;尚兴昌;应娜;陈华华设计研发完成，并于2023-01-03向国家知识产权局提交的专利申请。

本基于多尺度纤细网络的诱导迭代前视声呐图像配准方法及系统在说明书摘要公布了：本发明公开了一种基于多尺度纤细网络的诱导迭代前视声呐图像配准方法及系统，本发明方法包括步骤：S1.将前视声呐设备获取的真实声呐图像进行处理，并划分为训练集和测试集；S2.创建层间多尺度结构网络；S3.在各层内搭建多尺度纤细结构，对提取图像特征进行聚合；S4.在各层内利用适配区模型对特征进行由易到难的匹配，并自适应跳出迭代，获取输出形变场；S5.用得到的形变场和空间变换网络对运动的前视声呐图像进行变形，并计算参考图像和配准图像的相似度，得到配准后的图像；S6.将配准后的前视声呐图像进行融合，根据配准后的声呐图像重建水下三维地图。本发明通过对少数声呐图像进行数据增强，无需繁琐的大量数据收集，并使用多尺度迭代网络进行精确的图像配准。

本发明授权基于多尺度纤细网络的诱导迭代前视声呐图像配准方法及系统在权利要求书中公布了：1.基于多尺度纤细网络的诱导迭代前视声呐图像配准方法，其特征在于，包括如下步骤： S1.将前视声呐设备获取的真实声呐图像进行处理，并将图像划分为训练集和测试集； S2.创建层间多尺度结构网络； S3.在层间多尺度结构网络的各层内搭建多尺度纤细网络结构，对提取的图像特征进行聚合； S4.在层间多尺度结构网络各层内利用适配区模型对步骤S3的图像特征进行由易到难的匹配，并自适应跳出迭代，获取输出形变场； S5.在基于多尺度纤细网络中用得到的形变场和空间变换网络对运动的前视声呐图像进行变形，并计算参考图像和配准图像的相似度，得到配准后的图像； S6.将配准后的前视声呐图像进行融合，根据配准后的声呐图像重建水下三维地图； 步骤S2中，通过双线性插值对输入图像进行降采样得到，尺度因子为0.5，表示每次变化为原来的一半；表示原始输入图像对大小；形变场扭曲移动图像和适配区控制下的多尺度致密网络的迭代模型表示为： 其中，表示形变场，表示扭曲后的移动图像，表示适配区控制下的迭代模型的模型函数； 步骤S4中，设神经网络权重表示为，m、n分别表示输入、输出维度；将集成度设为M，则集成权值： 其中，，T表示转置，表示为可训练元祖，；用xn表示批量输入，则每个集成成员的下一层的激活： 通过输入不同的可训练元祖R、S，改变神经元的权重，为形变场的生成增加随机扰动；在单层迭代中，让模型生成一组形变场，并分别得到形变场的均值和方差，其中k表示第几次迭代；将形变场的均值表示模型输出的形变场，形变场的方差S2作为形变场的不确定性度量；此时，定义一个阈值，将S2中不确定性值小于设定的阈值的部分变为1，不确定性值大于设定的阈值的部分变为0；由此得到一个只有0、1值适配区模版S，将此模版S与形变场均值做点乘即可得到单次迭代的形变场： 将此形变场扭曲移动图像并进行迭代，累加迭代的形变场。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市杭州经济技术开发区白杨街道2号大街1158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。