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！

龙图腾网获悉湖南大学申请的专利基于形变适应的多模态图像配准方法、系统和计算机设备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：CN121746441B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610236620.8，技术领域涉及：G06T7/33；该发明授权基于形变适应的多模态图像配准方法、系统和计算机设备是由朱青;李天明;王耀南;罗建桥;黄嘉男;曾朝;黄漫雅设计研发完成，并于2026-02-28向国家知识产权局提交的专利申请。

本基于形变适应的多模态图像配准方法、系统和计算机设备在说明书摘要公布了：本发明公开了一种基于形变适应的多模态图像配准方法、系统和计算机设备，包括：采集多组多模态图像并进行灰度标准化，构建多样化的配准数据集；搭建包含金字塔编码模块、形变自适应模块、跨模态交互模块及配准参数估计模块的配准网络模型；将图像对依次输入上述模块，分别提取基础特征映射、形变特征映射和交互增强特征映射，最终输出估计转换参数矩阵；通过预设损失函数监督训练过程，选取最优网络参数，得到训练好的配准模型；在实际应用时，将待配准图像对输入训练好的模型，获取转换参数矩阵并完成图像配准。能够有效提升多模态图像配准性能，尤其在存在严重几何畸变和显著模态差异的情况下，仍具备良好的鲁棒性和适应性。

本发明授权基于形变适应的多模态图像配准方法、系统和计算机设备在权利要求书中公布了：1.基于形变适应的多模态图像配准方法，其特征在于，所述方法包括以下步骤： S1、采集多组多模态图像并进行灰度标准化，将标准化后的图像划分为参考图像与待配准图像并组合成多组图像对，以构建具有多样性的配准数据集； S2、搭建基于形变适应的多模态图像配准神经网络模型，所述模型包括依次连接的金字塔编码模块、形变自适应模块、跨模态交互模块以及配准参数估计模块； S3、将数据集中的一对多模态图像依次输入金字塔编码模块以获得图像对的基础特征映射，再输入形变自适应模块得到图像对的形变特征映射，继而输入跨模态交互模块生成图像对的交互增强特征映射，最后将图像对的交互增强特征映射送入配准参数估计模块输出对应图像对的估计转换参数矩阵；形变自适应模块包括依次连接的可变形卷积层、相似度计算层、归一化层和标准差层，其中可变形卷积层的步长为1，卷积核大小为33；相似度计算层为中心像素与其相邻像素之间的余弦相似度计算；S3中图像对的基础特征映射再输入形变自适应模块得到图像对的形变特征映射，具体为： 3 式中，表示形变自适应模块，和分别表示选取图像对中参考图像和待配准图像的基础特征映射，和分别表示选取图像对中参考图像和待配准图像的形变适应特征映射； 跨模态交互模块包括依次连接的特征融合层、注意力权重计算层和双分支输出卷积层，其中双分支输出卷积层由两组独立的卷积层构成，步长为1，卷积核大小为11；S3中图像对的形变特征映射输入跨模态交互模块生成图像对的交互增强特征映射，具体为： 4 式中，表示跨模态交互模块，和分别表示选取图像对中参考图像和待配准图像的形变适应特征映射，和分别表示选取图像对中参考图像和待配准图像的交互增强特征映射； S4、基于图像对的基础特征映射和估计转换参数矩阵，结合预设的损失函数计算每个图像对的总损失函数值，监督多模态图像配准神经网络模型的训练过程，选取损失值最小时的网络参数更新多模态图像配准神经网络模型，得到训练好的多模态图像配准神经网络模型； S5、获取实际场景下待配准的多模态图像并组成待配准图像对，利用训练好的多模态图像配准神经网络模型对待配准多模态图像对进行处理，得到图像转换参数矩阵，根据图像转换参数矩阵对图像对中的待配准图像进行转换，得到配准后的图像。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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。