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！

龙图腾网恭喜上海交通大学申请的专利基于图像配准的少样本图像异常检测方法及系统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：CN114972871B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202210617656.2，技术领域涉及：G06V10/764；该发明授权基于图像配准的少样本图像异常检测方法及系统是由王延峰;黄潮钦;管浩言;蒋傲凡;张娅设计研发完成，并于2022-06-01向国家知识产权局提交的专利申请。

本基于图像配准的少样本图像异常检测方法及系统在说明书摘要公布了：本发明提供了一种基于图像配准的少样本图像异常检测方法及系统，包括：对支撑图像和待检测图像提取图像的高维特征；对图像的高维特征进行特征的空间变换得到变换的图像特征；对变换的图像特征实现特征编码；对编码特征实现特征配准；对变换的图像特征拟合支撑图像的特征分布得到特征分布模型；对变换的图像特征和特征分布模型实现图像异常评定。本发明针对目前异常检测方法存在的问题，提出一种基于图像配准的少样本异常检测方法，本发明利用已知类别物体数据训练可推广的通用模型，不需要对新类别物体数据重新训练模型，而是仅利用少样本的新类别数据，即可应用于新类别物体的异常检测任务。

本发明授权基于图像配准的少样本图像异常检测方法及系统在权利要求书中公布了：1.一种基于图像配准的少样本图像异常检测方法，其特征在于，包括：步骤S1：对支撑图像和待检测图像提取图像的高维特征；步骤S2：对图像的高维特征进行特征的空间变换得到变换的图像特征；步骤S3：对变换的图像特征实现特征编码；步骤S4：对编码特征实现特征配准；步骤S5：对变换的图像特征拟合支撑图像的特征分布得到特征分布模型；步骤S6：对变换的图像特征和特征分布模型实现图像异常评定；在所述步骤S5中：根据所述特征空间变换步骤得到的变换的图像特征，使用分布估计模型拟合支撑图像的特征分布，得到特征分布模型；对特征空间变换得到的变换的特征和使用基于统计的估计器来估计特征的正态分布，使用多元高斯分布来获得正常图像对应特征的概率表示，假设图像被划分成网格i,j∈[1,W]×[1,H]，其中，W×H是用于估计正态分布的特征的分辨率；在每个网格的位置i,j，记为来自N个支撑图像的变换后的特征的集合，Fij由多元高斯分布Nμij,Σij生成，其样本均值记为μij,样本协方差Σij为： 其中，·T为矩阵转置操作，正则化项∈I使样本协方差矩阵满秩且可逆；每个可能的位置的多元高斯分布共同构成了特征分布模型；在所述步骤S6中：根据特征空间变换得到的变换的图像特征和特征分布估计得到的特征分布模型，使用异常评定函数实现图像异常评定；对于待测试的图像，将特征空间变换得到的待测试图像的特征和特征分布估计得到的特征分布模型进行对比，计算如下异常评定函数： 其中，为样本协方差Σij的逆矩阵，马氏距离矩阵M＝Mfij1≤i≤W,1≤j≤H组成了异常分数矩阵；其中，矩阵中数值大于预设值的位置表示异常区域，整个图像的异常分数是异常矩阵的最大值。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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”。