专利名称：基于多特征交叉一致性模型的图像匹配方法      申请号：2021101633660     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：配方 图像匹配   相似专利 发布日：2024/06/28  
摘要： 本发明公开了一种基于多特征交叉一致性模型的图像匹配方法，属于计算机视觉技术领域，获取基于同一图像对的两组特征点下的多种不同局部特征描述符，并通过特征匹配方法获得每种局部特征的初始特征匹配排列矩阵；通过多种特征匹配排列矩阵集成策略建立跨特征的匹配关系矩阵，并融合特征内匹配关系矩阵与特征间匹配关系矩阵为多特征交叉匹配块矩阵；为多特征交叉匹配块矩阵引入闭环约束，使得谱分解方法适用于本发明；基于谱分解方法并结合一种快速的特征值分解方法来对多特征交叉匹配块矩阵进行优化重构，进而得到最终的图像特征匹配结果。本发明能够做到特征匹配结果精度与召回率的综合性能上的提升，而无需增加太大的计算代价。

专利名称：一种自适应阈值图像匹配方法      申请号：201910244721X     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：配方 图像匹配   相似专利 发布日：2023/10/23  
摘要： 本发明公开了一种自适应阈值图像匹配方法，步骤1、分别对待匹配的两张RGB图片进行特征点提取；步骤2、利用KNN算法计算每一个特征点对应的最近邻匹配向量M1与次近邻匹配向量M2；步骤3、根据最近邻匹配向量M1与次近邻匹配向量M2计算自适应阈值ratio；步骤4、新建向量M，并根据所述自适应阈值ratio去除误匹配，得到正确匹配后将其存入向量M，即得到正确的匹配向量M，完成匹配。本发明一种自适应阈值图像匹配方法，能在保证一定的匹配准确率的情况下，获得更多数量的正确匹配。

专利名称：一种基于全局和局部特征描述的多模图像匹配方法      申请号：202110344953X     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：配方 图像匹配   相似专利 发布日：2023/10/17  
摘要： 本发明公开了一种基于全局和局部特征描述的多模图像匹配方法，属于图像特征提取和匹配技术领域。本发明包括以下步骤：对于参考图像和待匹配图像，分别检测图像中的特征点，并确定特征点主方向；对于每一个特征点，分别构造PIIFD描述符和全局上下文特征描述符；对于每一对特征点，计算两种特征描述符的相似度，并进行加权融合，通过对比各对特征点的相似度进行初步匹配；对于初步匹配结果，提取特征点的局部上下文特征向量进行比对以消除其中的异常匹配点对，得到最终匹配结果。本发明能够有效克服多模图像局部灰度差异大，特征点描述和匹配困难的问题，提高多模图像特征点匹配的准确率。

专利名称：基于鲸鱼优化算法和灰色关联分析的快速图像匹配方法      申请号：2017112513399     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：计算机软件 配方 图像匹配   相似专利 发布日：2023/10/17  
摘要： 本发明公开了一种基于鲸鱼优化算法和灰色关联分析的快速图像匹配方法，利用灰色关联分析简化相似性度量计算，再用鲸鱼优化算法进行匹配搜索得到最佳匹配位置，提出一种抗噪性较好的快速图像匹配算法。本发明将使用基于灰色关联分析改进的鲸鱼优化算法应用于图像匹配，实现了快速的图像匹配，使图像匹配算法有良好的效率和匹配正确率且抗噪性能良好，是一种有实际应用价值的新方法。

专利名称：基于深度学习的相似图像匹配方法      申请号：2020101314798     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：深度学习 配方 图像匹配   相似专利 发布日：2023/09/20  
摘要： 本发明基于深度学习的相似图像匹配方法，具体按照以下步骤实施：通过该目标检测网络输出目标图像中各个物体对应的检测框、检测精度；步骤2、解析处理得到目标图像中任意两个物体的相对位置关系；步骤3、构建目标图像场景目标位置关系的图模型；步骤4、重复步骤1至3对候选数据集中的每一张样本图像建立场景目标位置关系的图模型，将样本图像场景目标位置关系的图模型与所有目标图像场景目标位置关系的图模型一一进行场景匹配，确定选择出与目标图像相似度最高的三张样本图像。本发明基于深度学习的相似图像匹配方法，能够有效解析目标图像中各个物体之间的空间位置关系，准确匹配目标图像的相似图像。

专利名称：一种图像匹配系统      申请号：2018109781828     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 图像匹配   相似专利 发布日：2023/10/23  
摘要： 本发明提供一种图像匹配系统，第一获取模块，用于获取待匹配图像G1和G2中的各个低纹理密度子图像，其中各个低纹理密度子图像为纹理密度低于其所属G1或G2中平均纹理密度n倍的区域，其中n≥0；具有匹配稳定、准确率高的有益效果。