買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南昌墨泥軟件有限公司申請的專利基于差分小波變換與動(dòng)態(tài)多尺度特征融合的特征匹配方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120279288B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號(hào)為：202510767462.4，技術(shù)領(lǐng)域涉及：G06V10/75；該發(fā)明授權(quán)基于差分小波變換與動(dòng)態(tài)多尺度特征融合的特征匹配方法是由胡志豪;劉春揚(yáng);劉聰;曾紀(jì)國;楊波;張俊承;廖立帆設(shè)計(jì)研發(fā)完成，并于2025-06-10向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本基于差分小波變換與動(dòng)態(tài)多尺度特征融合的特征匹配方法在說明書摘要公布了：本發(fā)明公開了基于差分小波變換與動(dòng)態(tài)多尺度特征融合的特征匹配方法，包括如下步驟：構(gòu)建特征匹配模型；所述特征匹配模型包括主干網(wǎng)絡(luò)、關(guān)鍵點(diǎn)檢測網(wǎng)絡(luò)和描述符生成網(wǎng)絡(luò)；輸入待匹配圖像至主干網(wǎng)絡(luò)，生成特征圖和可靠性圖；輸入待匹配圖像至關(guān)鍵點(diǎn)檢測網(wǎng)絡(luò)，生成關(guān)鍵點(diǎn)熱圖，將關(guān)鍵點(diǎn)熱圖、可靠性圖和特征圖輸入描述符生成網(wǎng)絡(luò)生成待匹配圖像的增強(qiáng)描述符，最后對待匹配圖像的增強(qiáng)描述符進(jìn)行暴力匹配；本發(fā)明主干網(wǎng)絡(luò)中的差分小波變換下采樣模塊，利用離散小波變換對特征進(jìn)行頻域分解，將噪聲與關(guān)鍵特征分離，并結(jié)合計(jì)算特征與鄰域平均池化差值的差分操作，有效地去除了冗余信息，增強(qiáng)了關(guān)鍵特征，提高了后續(xù)特征匹配精準(zhǔn)度。

本發(fā)明授權(quán)基于差分小波變換與動(dòng)態(tài)多尺度特征融合的特征匹配方法在權(quán)利要求書中公布了：1.基于差分小波變換與動(dòng)態(tài)多尺度特征融合的特征匹配方法，其特征在于，包括如下步驟：讀取待匹配圖像；構(gòu)建特征匹配模型；所述特征匹配模型包括主干網(wǎng)絡(luò)、關(guān)鍵點(diǎn)檢測網(wǎng)絡(luò)和描述符生成網(wǎng)絡(luò)；主干網(wǎng)絡(luò)由特征提取模塊和第六卷積塊組成；將待匹配圖像輸入主干網(wǎng)絡(luò)中的特征提取模塊，生成特征圖，將特征圖經(jīng)過第六卷積塊，生成可靠性圖；將待匹配圖像輸入關(guān)鍵點(diǎn)檢測網(wǎng)絡(luò)，生成關(guān)鍵點(diǎn)熱圖，將關(guān)鍵點(diǎn)熱圖與可靠性圖輸入至描述符生成網(wǎng)絡(luò)中篩選出關(guān)鍵點(diǎn)，最后根據(jù)篩選出的關(guān)鍵點(diǎn)從特征圖中提取相應(yīng)的待匹配圖像的特征描述符，將待匹配圖像的特征描述符再通過自適應(yīng)多尺度描述符增強(qiáng)模塊進(jìn)行處理，得到待匹配圖像的增強(qiáng)描述符，最后對待匹配圖像的增強(qiáng)描述符進(jìn)行暴力匹配；設(shè)置讀取的待匹配圖像為兩張，最終對得到的兩張待匹配圖像的增強(qiáng)描述符進(jìn)行暴力匹配； 所述特征提取模塊包括第一卷積塊、第二卷積塊、第三卷積塊、第四卷積塊和第五卷積塊；將待匹配圖像分別經(jīng)過第一卷積塊和第二卷積塊，將第一卷積塊和第二卷積塊的輸出進(jìn)行相加，得到相加特征，將相加特征依次經(jīng)過第三卷積塊、第四卷積塊和第五卷積塊后得到特征圖F； 其中，第一卷積塊由依次連接的第一卷積層、第一差分小波變換下采樣模塊、第一動(dòng)態(tài)多尺度特征融合模塊、第二動(dòng)態(tài)多尺度特征融合模塊和第二差分小波變換下采樣模塊組成；將待匹配圖像依次經(jīng)過第一卷積層、第一差分小波變換下采樣模塊、第一動(dòng)態(tài)多尺度特征融合模塊、第二動(dòng)態(tài)多尺度特征融合模塊和第二差分小波變換下采樣模塊后得到第一卷積塊的輸出； 其中，第二卷積塊由依次連接的第一平均池化層和第二卷積層組成；將待匹配圖像依次經(jīng)過第一平均池化層和第二卷積層后得到第二卷積塊的輸出； 其中，第三卷積塊由依次連接的第二動(dòng)態(tài)多尺度特征融合模塊和第三動(dòng)態(tài)多尺度特征融合模塊組成；將相加特征依次經(jīng)過第二動(dòng)態(tài)多尺度特征融合模塊和第三動(dòng)態(tài)多尺度特征融合模塊后得到第三卷積塊的輸出； 其中，第四卷積塊由依次連接的第三差分小波變換下采樣模塊、第四動(dòng)態(tài)多尺度特征融合模塊和第五動(dòng)態(tài)多尺度特征融合模塊組成；將第三卷積塊的輸出依次經(jīng)過第三差分小波變換下采樣模塊、第四動(dòng)態(tài)多尺度特征融合模塊和第五動(dòng)態(tài)多尺度特征融合模塊后得到第四卷積塊的輸出； 其中，第五卷積塊由依次連接的第三卷積層、第四卷積層和第五卷積層組成；將第四卷積塊的輸出依次經(jīng)過第三卷積層、第四卷積層和第五卷積層后得到第五卷積塊的輸出； 其中，第六卷積塊由依次連接的第六卷積層、第七卷積層和第八卷積層組成；將特征圖F依次經(jīng)過第六卷積層、第七卷積層和第八卷積層后再經(jīng)過sigmoid函數(shù)，得到可靠性圖； 所述第一差分小波變換下采樣模塊、第二差分小波變換下采樣模塊、第三差分小波變換下采樣模塊和第四差分小波變換下采樣模塊結(jié)構(gòu)相同；第一差分小波變換下采樣模塊包括第九卷積層、離散小波變換模塊、第十卷積層、邊緣信息增強(qiáng)模塊和第十一卷積層； 第一差分小波變換下采樣模塊的處理流程為： 將第一卷積層的輸出經(jīng)過第九卷積層，將第九卷積層的輸出輸入離散小波變換模塊中進(jìn)行頻域分解，得到低頻信息和高頻信息； 將高頻信息進(jìn)一步分解為水平高頻信息、垂直高頻信息和對角高頻信息； 將水平高頻信息、垂直高頻信息和低頻信息沿通道維度拼接，得到高頻信息特征圖，將高頻信息特征圖依次經(jīng)過第十卷積層和邊緣信息增強(qiáng)模塊，將邊緣信息增強(qiáng)模塊的輸出和第十卷積層的輸出進(jìn)行相乘，將相乘后的輸出再經(jīng)過第十一卷積層，得到第一差分小波變換下采樣模塊的輸出； 所述邊緣信息增強(qiáng)模塊包括第二平均池化層、第十二卷積層；邊緣信息增強(qiáng)模塊的處理流程為：將第十卷積層的輸出經(jīng)過第二平均池化層，采用第十卷積層的輸出對第二平均池化層的輸出進(jìn)行相減，將相減后的輸出先通過第十二卷積層進(jìn)行調(diào)整，再經(jīng)過Sigmoid函數(shù)進(jìn)行激活，得到權(quán)重圖，將權(quán)重圖加1，得到邊緣信息增強(qiáng)模塊的輸出； 所述第一動(dòng)態(tài)多尺度特征融合模塊、第二動(dòng)態(tài)多尺度特征融合模塊、第三動(dòng)態(tài)多尺度特征融合模塊、第四動(dòng)態(tài)多尺度特征融合模塊和第五動(dòng)態(tài)多尺度特征融合模塊結(jié)構(gòu)相同；第一動(dòng)態(tài)多尺度特征融合模塊包括第一深度可分離卷積、Split函數(shù)、第二深度可分離卷積、第三深度可分離卷積、第十三卷積層、第十四卷積層、第十五卷積層和SiLU激活函數(shù)； 第一動(dòng)態(tài)多尺度特征融合模塊的處理流程為：將第一差分小波變換下采樣模塊的輸出分別經(jīng)過第一深度可分離卷積和第十四卷積層，將第一深度可分離卷積的輸出通過Split函數(shù)在通道維度上按比例分成第一組特征、第二組特征和第三組特征，將第二組特征和第三組特征分別經(jīng)過第二深度可分離卷積和第三深度可分離卷積，將第二深度可分離卷積和第三深度可分離卷積的輸出和第一組特征在通道維度上進(jìn)行拼接，將拼接后的結(jié)果輸入第十三卷積層，將第十三卷積層和第十四卷積層的輸出均經(jīng)過一個(gè)SiLU激活函數(shù)后進(jìn)行相乘，將相乘后的結(jié)果經(jīng)過第十五卷積層，得到第一動(dòng)態(tài)多尺度特征融合模塊的輸出； 將關(guān)鍵點(diǎn)熱圖與可靠性圖輸入至描述符生成網(wǎng)絡(luò)中篩選出關(guān)鍵點(diǎn)，最后根據(jù)篩選出的關(guān)鍵點(diǎn)從特征圖F中提取相應(yīng)的待匹配圖像的特征描述符的具體過程為：將關(guān)鍵點(diǎn)熱圖進(jìn)行非極大值抑制，并選出局部響應(yīng)峰值點(diǎn)作為候選關(guān)鍵點(diǎn)；再使用最鄰近插值從關(guān)鍵點(diǎn)熱圖中選取候選關(guān)鍵點(diǎn)的響應(yīng)值，使用雙線性插值從可靠性圖中選取候選關(guān)鍵點(diǎn)的特征響應(yīng)，將從關(guān)鍵點(diǎn)熱圖中選取的候選關(guān)鍵點(diǎn)的響應(yīng)值和可靠性圖中選取的候選關(guān)鍵點(diǎn)的特征響應(yīng)相乘得到綜合分?jǐn)?shù)，根據(jù)對綜合分?jǐn)?shù)進(jìn)行排序篩選，得到關(guān)鍵點(diǎn)，再根據(jù)篩選出來的關(guān)鍵點(diǎn)采用雙線性插值從特征圖F中提取相應(yīng)的待匹配圖像的特征描述符； 所述自適應(yīng)多尺度描述符增強(qiáng)模塊包括動(dòng)態(tài)雙曲正切函數(shù)、第一Mamba層、第二Mamba層、第三Mamba層、線性層和GeLU激活函數(shù)；自適應(yīng)多尺度描述符增強(qiáng)模塊的處理流程為：將待匹配圖像的特征描述符經(jīng)過動(dòng)態(tài)雙曲正切函數(shù)處理，將經(jīng)過動(dòng)態(tài)雙曲正切函數(shù)的輸出與待匹配圖像的特征描述符進(jìn)行相加，得到第一相加描述符，將第一相加描述符分別輸入第一Mamba層、第二Mamba層和第三Mamba層，將第一Mamba層、第二Mamba層和第三Mamba層的輸出進(jìn)行平均融合，將平均融合后的輸出與第一相加描述符進(jìn)行相加，得到第二相加描述符，將第二相加描述符輸入線性層進(jìn)行處理，將線性層的輸出與第二相加描述符進(jìn)行拼接，得到第三相加描述符，將第三相加描述符經(jīng)過GeLU激活函數(shù)后的輸出再與第三相加描述符進(jìn)行拼接，得到自適應(yīng)多尺度描述符增強(qiáng)模塊的輸出，即待匹配圖像的增強(qiáng)描述符。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人南昌墨泥軟件有限公司，其通訊地址為：330000 江西省南昌市南昌高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)紫陽大道99號(hào)江西師范大學(xué)瑤湖校區(qū)音樂藝術(shù)廣場國家大學(xué)科技園眾創(chuàng)空間S15；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。