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！

龙图腾网恭喜浙江大学申请的专利一种基于自模态相关与跨模态估计的多模态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：CN119762559B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202510274637.8，技术领域涉及：G06T7/33；该发明授权一种基于自模态相关与跨模态估计的多模态图像配准方法是由曹彦鹏;童希;唐溢禹;杨将新设计研发完成，并于2025-03-10向国家知识产权局提交的专利申请。

本一种基于自模态相关与跨模态估计的多模态图像配准方法在说明书摘要公布了：本发明公开了一种基于自模态相关与跨模态估计的多模态图像配准方法。方法包括：首先构建由图像频率分解、自模态相似性编码、跨模态匹配估计、光流生成与精细化以及图像变换模组构成的初始框架模型，然后将已配准的可见光和热红外图像进行空间变换后构建为训练集，对模型进行训练获得可见光与热红外配准模型，通过可见光与热红外配准模型对可见光与热红外图像进行多模态图像配准。本发明可以充分构建可见光与热红外图像的自模态相似性，提升跨模态特征匹配估计的准确性，实现对于视角差异与模态差异显著的可见光与热红外图像的高精度配准，并且在夜晚、雨天、雾天等恶劣环境条件下依旧可以稳定地对可见光与热红外图像进行配准，具有较强的鲁棒性。

本发明授权一种基于自模态相关与跨模态估计的多模态图像配准方法在权利要求书中公布了：1.一种基于自模态相关与跨模态估计的多模态图像配准方法，其特征在于，包括：S1：构建由依次连接的图像频率分解模组、自模态相似性编码模组、跨模态匹配估计模组、光流生成与精细化模组以及图像变换模组构成的深度学习联合网络初始框架模型；S2：获取若干已配准的可见光和热红外道路交通图像并进行空间变换，模拟生成若干待配准的可见光和热红外道路交通图像并构建为训练集，将训练集输入深度学习联合网络初始框架模型中进行训练后获得训练完成的可见光与热红外配准模型；S3：获取待配准的可见光和热红外道路交通图像并输入可见光与热红外配准模型中，处理完成后输出与热红外道路交通图像配准完成的可见光道路交通图像并在显示器进行显示，完成多模态图像配准；所述的步骤S1中，深度学习联合网络初始框架模型的自模态相似性编码模组包括高频编码器和低频编码器，跨模态匹配估计模组包括高频估计器和低频估计器，深度学习联合网络初始框架模型输入的可见光和热红外道路交通图像首先经图像频率分解模组处理后输出可见光道路交通图像高频和低频分量以及热红外道路交通图像高频和低频分量，可见光和热红外道路交通图像高频分量输入高频编码器中处理后输出可见光和热红外高频局部显著特征图，再输入高频估计器中进行处理后输出两个高频局部跨模态匹配估计图，可见光和热红外道路交通图像低频分量输入低频编码器中处理后输出可见光和热红外低频全局自相关性特征图，再输入低频估计器中进行处理后输出两个低频全局跨模态匹配估计图，两个高频局部跨模态匹配估计图和两个低频全局跨模态匹配估计图共同输入光流生成与精细化模组处理后输出光流估计图，光流估计图再输入图像变换模组中进行处理，最终输出与热红外道路交通图像配准完成的可见光道路交通图像；所述的步骤S2中，针对每对已配准的可见光和热红外道路交通图像，将其中的热红外道路交通图像采用随机参数生成的仿射变换模型、透视变换模型及薄板样条变换模型中的一个或几个进行空间变换处理后生成一张或几张变换热红外道路交通图像，将每张变换热红外道路交通图像和原始的可见光道路交通图像均组成一对待配准的可见光和热红外道路交通图像并构建为训练集；在深度学习联合网络初始框架模型进行训练时，采用依次生成批量数据的方法进行训练集的输入，采用自适应学习率的梯度权重衰减方法进行模型参数的更新，并且采用梯度裁剪方法进行模型参数的调整，直至深度学习联合网络初始框架模型的损失函数收敛，获得训练完成的可见光与热红外配准模型。

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大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。