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！

龙图腾网恭喜中国人民解放军火箭军工程大学申请的专利一种自适应无人机遥感图像智能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：CN119295521B 。

龙图腾网通过国家知识产权局官网在2025-03-11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：202411808464.5，技术领域涉及：G06T7/33；该发明授权一种自适应无人机遥感图像智能配准方法是由李雪瑞;纪兵;郝辉;陈正生;辛国栋;郑晓龙;管冬冬;赵维恒设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本一种自适应无人机遥感图像智能配准方法在说明书摘要公布了：本发明公开一种自适应无人机遥感图像智能配准方法，方法包括数据收集、基本增强处理、配准精度优化和自适应智能配准。本发明涉及图像配准技术领域，具体是指一种自适应无人机遥感图像智能配准方法，本发明采用基本增强和自适应配准优化两个角度去进行自适应性能的增强，通过自适应基本属性增强，优化数据质量，并通过结合多项参数数据训练的配准精度优化模型，提升刚性变换参数的智能性和自适应性；采用基于教学学习与强化学习结合的自适应图像配准优化方法，通过结合强化学习和教学学习，既能智能优化参数最优解，还能根据提供的图像飞行参数信息进行自适应地参数调整，从而既能优化智能配准结果的配准精度。

本发明授权一种自适应无人机遥感图像智能配准方法在权利要求书中公布了：1.一种自适应无人机遥感图像智能配准方法，其特征在于：该方法包括以下步骤：步骤S1：数据收集，从无人机遥感图像原始采集数据集中，通过数据收集，得到遥感图像配准原始数据集；步骤S2：基本增强处理，对所述遥感图像配准原始数据集中的遥感图像数据进行基本增强操作，得到遥感图像配准增强数据集；步骤S3：配准精度优化，用于对精细配准流程进行自适应智能性优化，具体为依据所述遥感图像配准增强数据集，采用结合教学学习和强化学习的自适应图像配准精度优化方法，进行配准精度优化，得到刚性变换参数最优值，并通过应用所述刚性变换参数最优值，进行精细配准，得到精细配准图像数据，具体包括以下步骤：步骤S31：刚性变换问题建模；步骤S32：强化学习智能体初始化；步骤S33：构建教学学习模型；步骤S34：构建强化学习模型；步骤S35：构建教学强化学习结合模型；步骤S36：配准精度优化；在步骤S35中，所述构建教学强化学习结合模型，具体为应用步骤S34中的强化学习模型，改进教学学习模型中的教师角色函数和学生自学函数，得到强化教师更新函数和强化学生自学函数，并进行参数更新，得到刚性变换参数最优值；所述强化教师更新函数，用于表示经过强化学习优化后的刚性变换参数的最优解，计算公式为： 式中，是经过强化教学学习更新后的强化教师更新函数输出，用于表示强化教师更新函数引导学生自学函数得到的刚性变换参数最优解，Si是第i个学生参数，用于表示第i个刚性变换参数组合，rand是随机参数，Steacher是教师参数，用于表示刚性变换参数最优解，Q·是Q值计算函数，α是学习率参数，rt是奖励参数，γ是折扣因子，max是求取最大值函数，a是最优动作空间参数，st+1是下一次迭代的状态空间参数；所述强化学生自学函数，用于表示结合强化学习向最优解进行优化更新的刚性变换参数组合，计算公式为： 式中，是经过强化教学学习更新后的强化学生自学函数输出，用于表示刚性变换参数最优值，Si是第i个学生参数，用于表示第i个刚性变换参数组合，rand是随机参数，Sj是与学生参数Si最为接近的刚性变换参数组合；在步骤S36中，所述配准精度优化，具体为通过所述刚性变换问题建模、所述强化学习智能体初始化、所述构建教学学习模型、所述构建强化学习模型和所述构建教学强化学习结合模型，进行配准精度优化模型训练，得到配准精度优化模型，并通过使用所述配准精度优化模型，进行配准精度优化，得到刚性变换参数最优值；步骤S4：自适应智能配准，得到自适应智能配准图像输出。

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中国人民解放军火箭军工程大学，其通讯地址为：710025 陕西省西安市灞桥区同心路2号火箭军工程大学；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”。