“低秩多 ”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果3046678个，建议您升级VIP下载更多相关专利

[发明专利]一种鲁棒特征空间共同学习的多标签图像分类方法-CN202111225017.3在审
发明人：刘志锋;唐川景;沈项军;周从华 -专利权人：江苏大学
申请日： 2021-10-21 - 公布日： 2022-01-11 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种鲁棒特征空间共同学习的多标签图像分类方法，首先准备多标签数据；在特征空间和标签空间中引入特征选择和核范数的低秩表示方法从而构造鲁棒的标签和特征空间共同学习的多标签分类模型；利用鲁棒低秩投影矩阵V将q维标签空间映射到r维的标签空间中，从而V表示在标签空间中学习到的鲁棒低秩投影；引入增广拉格朗日乘数法对多标签分类模型的目标函数中的矩阵P和矩阵V进行求解；将多标签数据作为训练数据样本对提出的多标签分类模型进行训练，得到最优的鲁棒低秩系数矩阵P和鲁棒低秩投影矩阵V；基于最优的鲁棒低秩系数矩阵P和鲁棒低秩投影矩阵V完成多标签分类模型的训练，并利用该多标签分类模型进行多标签图像分类。
一种特征空间共同学习标签图像分类方法

[发明专利]一种基于低秩多模态融合网络的MRI数据分类方法-CN202310927881.0在审
发明人：王莉;薛旻昊;汪磊;王康宁;沈捷 -专利权人：南京工业大学
申请日： 2023-07-26 - 公布日： 2023-10-27 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种基于低秩多模态融合网络的MRI数据分类方法，首先，获取原始sMRI和fMRI的数据，分别对原始sMRI和fMRI的数据进行预处理，其次，基于低秩多模态融合网络分别从sMRI和fMRI两种不同模态的数据中提取特征向量，并采用低秩张量对提取后的特征向量进行融合，将融合后的特征输入支持向量机进行分类，基于总体损失函数采用端到端的方式训练低秩多模态融合网络，最后将测试集输入到训练好的低秩多模态融合网络中，得到测试样本的输出类别；本发明提供的基于低秩多模态融合网络的MRI数据分类方法，减小了不同模态间的异构性，增强了多模态融合的效果，提高了多模态分类模型的精度。
一种基于低秩多模态融合网络 mri 数据分类方法

[发明专利]基于低秩矩阵恢复的多曝光图像去伪影融合方法-CN201610816475.7有效
发明人：谭洪舟;刘颜;陈荣军;李智文;朱雄泳;黄登;邹兵兵;嵇志辉;谢舜道 -专利权人：广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学;中山大学花都产业科技研究院
申请日： 2016-09-12 - 公布日： 2020-03-24 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于低秩矩阵恢复的多曝光图像去伪影融合方法。首先，归一化输入多曝光图像序列；接着，使用相机响应函数对归一化后的图像序列进行辐射校准；然后向量化多曝光图像序列构成低秩矩阵恢复的数据矩阵；使用改进的低秩矩阵恢复算法得到低秩矩阵；从低秩矩阵数据中恢复目标的高动态范围本发明利用低秩矩阵恢复的最新研究成果，能够得到有效去除融合后的HDR图像中的伪影和模糊问题。
基于矩阵恢复曝光图像去伪影融合方法

[发明专利]一种基于低秩分解和稀疏表示的多模态医学图像融合方法-CN201710363457.2有效
发明人：李华锋;邓志华;余正涛;王红斌 -专利权人：昆明理工大学
申请日： 2017-05-22 - 公布日： 2020-07-10 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于低秩分解和稀疏表示的多模态医学图像融合方法，先将待融合的两幅不同多模态医学图像，进行低秩分解分别得到低秩部分图像和稀疏部分图像；利用KSVD算法对选用的非医学图像集训练低秩字典，利用KSVD算法对选用的非医学图像集进行低秩分解后得到的稀疏部分图像集训练稀疏字典；利用稀疏表示方法对低秩部分图像和稀疏部分图像进行稀疏重构，分别得到低秩重构图像和稀疏重构图像；利用稀疏表示方法对低秩重构图像和稀疏重构图像进行稀疏融合，得到融合图像；计算两幅不同多模态医学图像与稀疏重构图像、低秩重构图像之间的差值；将差值加入到融合图像中，得到最终稀疏融合图像。
一种基于分解稀疏表示多模态医学图像融合方法

[发明专利]一种星载多基线InSAR叠加数据的滤波方法及装置-CN201910449682.7有效
发明人：尤亚楠;王芮;周文莉 -专利权人：北京邮电大学
申请日： 2019-05-28 - 公布日： 2020-10-27 - 主分类号： G01S13/90 文献下载
摘要：本发明实施了一种星载多基线InSAR叠加数据的滤波方法及装置。该方法中：对星载多基线InSAR叠加数据形成的复张量进行归一化，得到归一化张量；分别利用归一化张量中元素的实部数值和虚部数值组成实部张量和虚部张量；利用KBR‑RPCA算法，分别对实部张量和虚部张量进行分解得到实部的低秩张量和虚部的低秩张量；判断实部的低秩张量和虚部的低秩张量是否满足预定的约束条件；如果是，将实部的低秩张量和虚部的低秩张量相加的结果作为对星载多基线InSAR叠加数据的滤波结果。本发明可以利用KBR‑RPCA算法滤除星载多基线InSAR叠加数据中的的高斯噪声和离值量。
一种星载多基线 insar 叠加数据滤波方法装置

[发明专利]高拉普拉斯正则化低秩表示的多模态数据分析方法及系统-CN201810974669.9有效
发明人：董爱美;赵桂新;高茜 -专利权人：齐鲁工业大学
申请日： 2018-08-24 - 公布日： 2022-05-31 - 主分类号： G16H50/20 文献下载
摘要：本发明公开了一种高拉普拉斯正则化低秩表示的多模态数据分析方法及系统，属于多模态数据分析领域，要解决的技术问题为如何捕获多模态数据的全局线性结构以及非线性几何结构；其方法包括：对多模态数据进行数据处理，得到多个数据矩阵；将低秩表示和拉普拉斯正则化项相结合构建非负稀疏超拉普拉斯正则化低秩表示模型，通过非负稀疏超拉普拉斯正则化低秩表示模型对每个数据矩阵进行学习，得到高拉普拉斯低秩子空间；以高拉普拉斯低秩子空间和支持向量机为基础进行学习该方法可捕获多模态数据的全局线性结构及非线性几何结构。
拉普拉斯正则化低秩表示多模态数据分析方法系统

[发明专利]基于多视图流行低秩表示的受损图像修复方法-CN201310438772.9有效
发明人：卜佳俊;李平;王哲;陈纯;何占盈 -专利权人：浙江大学
申请日： 2013-09-24 - 公布日： 2014-02-05 - 主分类号： G06T5/00 文献下载
摘要：基于多视图流行低秩表示的受损图像修复方法，针对受损图像进行以下操作：首先，提取受损图像的多类型特征，获得受损图像的多视图表达；然后，构建并利用多视图流行保持受损图像的不同局部几何结构，对受损图像进行低秩矩阵分解，得到图像的多视图低秩表示和受损矩阵表示；最后，基于集成多视图低秩表示对受损图像进行修复，得到完整的原始图像。本发明的优点在于：充分考虑了受损图像的多视图补偿信息以及局部流行结构特征，能更好地恢复清晰而完整的原始图像，更有效地提高用户的视觉体验度，可应用于生物、医学和遥感探测等领域的图像修复。
基于视图流行表示受损图像修复方法

[发明专利]一种基于空间-光谱联合低秩的高光谱与多光谱图像融合方法-CN202210528487.5在审
发明人：刘欣刚;张磊;黄增名;郭又铭;杨旻君;贺川圳 -专利权人：电子科技大学
申请日： 2022-05-16 - 公布日： 2022-09-02 - 主分类号： G06T5/50 文献下载
摘要：本发明属于高光谱与多光谱图像融合领域，具体提供一种基于空间‑光谱联合低秩的高光谱与多光谱图像融合方法，通过对空间‑光谱维度的非局部低秩表示和相关优化方法实现高光谱与多光谱图像的融合。在尽可能减少光谱失真的前提下，利用已知多光谱图像丰富的空间信息进行非局部自相似数据块的提取，接着考虑重构图像空间和光谱维度的低秩特性，采用低变换张量秩的方式探索图像中的相似性和相关性，最后通过分段优化的思想和交替方向乘子法迭代求解目标优化函数实现高光谱与多光谱图像的融合本发明通过非局部联合低秩实现了高光谱与多光谱图像的有效融合，从而得到高分辨率的高光谱图像，进一步使得光谱图像的应用更加广泛。
一种基于空间光谱联合图像融合方法

[发明专利]一种基于低秩的多源交通数据的补全方法-CN201610080557.X有效
发明人：孙艳丰;杜蓉;张勇;刘浩;王博岳 -专利权人：北京工业大学
申请日： 2016-02-04 - 公布日： 2019-06-04 - 主分类号： G08G1/01 文献下载
摘要：本发明公开了一种基于低秩的多源交通数据的补全方法，其能够使得补全的数据的精准度在数据丢失率较大时大幅提高。该方法包括步骤：(1)从多源交通数据中构造数据矩阵；(2)分别计算每种交通数据矩阵的低秩表示；(3)约束每个矩阵的低秩表示彼此之间相似。
一种基于交通数据方法

[发明专利]用于黄斑病变区域分割的分类模型构建方法和设备-CN201710661951.7有效
发明人：郑元杰;任秀秀;连剑;刘弘;赵艳娜;秦茂玲 -专利权人：山东师范大学
申请日： 2017-08-04 - 公布日： 2020-05-29 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种用于眼底图像黄斑病变区域分割的分类模型构建方法，包括以下步骤：选取多幅眼底图像，对其进行灰度化处理得到多幅灰度图像，对所述灰度图像的前景和背景分别进行采样得到样本；采用广义低秩近似方法获取转换矩阵，基于所述转换矩阵对样本进行降维处理，得到样本的低秩近似矩阵；对所述样本的低秩近似矩阵加入标签信息作为监督，构建流形正则化项；结合广义低秩近似方法和所述流形正则化项构造目标函数，采用迭代优化方法求解目标函数获取最优转换矩阵以及样本的最优低秩近似矩阵；基于所述最优低秩近似矩阵和标签信息构建分类模型。本发明的分类模型能够提取出既低维又有较强区分性的特征描述子，能够提高分割精度。
用于黄斑病变区域分割分类模型构建方法设备

[发明专利]一种多视子空间聚类方法及装置-CN202011330698.5在审
发明人：孙艳丰;郭继鹏;胡永利 -专利权人：北京工业大学
申请日： 2020-11-24 - 公布日： 2021-02-26 - 主分类号： G06K9/62 文献下载
摘要：一种多视子空间聚类方法及装置，能够充分利用多视数据之间的互补性信息，并且保证自表示矩阵的聚类结构一致性，在聚类性能上具有很大的提升。方法包括：(1)获取原始数据集的多视特征矩阵(2)对于给定的多视数据Xv，根据低秩自表示子空间聚类方法,对每个视数据的表示系数矩阵Zv分别进行低秩约束和秩结构一致性约束,构建基于低秩矩阵分解和秩结构一致性约束的多视子空间聚类模型；(3)对于构造的多视子空间聚类模型，采用交替方向乘子法求解优化问题，得到秩结构一致的多视自表示系数矩阵；(4)将多视自表示系数矩阵融合得到关联矩阵W，对关联矩阵W执行谱聚类得到最后的聚类结果。
一种多视子空间方法装置

[发明专利]基于多尺度低秩矩阵分解的红外与可见光图像融合方法-CN202010119950.1有效
发明人：孟祥超;陈潮起;邵枫;符冉迪 -专利权人：宁波大学
申请日： 2020-02-26 - 公布日： 2023-04-07 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于多尺度低秩矩阵分解的红外与可见光图像融合方法，其基于多尺度低秩矩阵分解将预处理后的红外图像和预处理后的可见光图像分解为多层次局部低秩图和全局低秩图两类，并根据各分解图像特点，针对性设计最优融合规则
基于尺度矩阵分解红外可见光图像融合方法

[发明专利]基于低秩特征图的多源影像高精度配准数据增广方法-CN202310876018.7在审
发明人：蔡博雍;刘明;孔令琴;易伟超;周玉婷;张茹佳;董立泉;赵跃进 -专利权人：北京理工大学
申请日： 2023-07-17 - 公布日： 2023-10-24 - 主分类号： G06T7/33 文献下载
摘要：本发明公开了一种基于低秩特征图的多源影像高精度配准数据增广方法。得益于红外与可见光遥感图像共有的低秩特征信息，本发明通过低秩特征提取算法获取红外遥感图像与可见光遥感图像的低秩特征图，并设计构建了基于条件引导的生成对抗网络，其中，红外遥感图像与其对应的低秩特征图用于训练此外，将生成的红外遥感图像进行视角变换以模拟低空飞行器在实际飞行过程中的图像采集视角，最后将视角变换后的红外遥感图像进行裁剪与逆映射生成图像多源图像配准数据集。综上所述，本发明能够有效地生成高精度的多源图像配准数据集，为低空飞行器的多源导航算法提供了充足的数据支持。
基于特征影像高精度准数增广方法

[发明专利]基于低秩张量学习的无监督多视图特征选择方法及系统-CN202210044367.8在审
发明人：梁成;王莲芝;陈文澜;于维庭;商累浩 -专利权人：山东师范大学
申请日： 2022-01-14 - 公布日： 2022-05-27 - 主分类号： G06V10/771 文献下载
摘要：本发明公开了一种基于低秩张量学习的无监督多视图特征选择方法及系统，包括：获取图像数据集，对每个图像数据提取若干个视图特征，获得多视图特征数据集；基于多视图谱聚类和低秩张量学习得到每个视图数据的伪标签矩阵，通过稀疏回归模型学习特征选择矩阵，构造基于低秩张量学习的无监督多视图特征选择目标函数；采用迭代优化方法求解所述目标函数，得到特征选择矩阵；根据特征选择矩阵计算各个特征的重要性，将特征按照所计算结果从大到小排序，选择前k个特征构成多视图特征子集。本发明将伪标签学习与特征选择整合到一个统一的学习框架中，联合多视图谱聚类和低秩张量学习得到高质量的伪标签进而指导最终的特征选择过程。
基于张量学习监督视图特征选择方法系统

[发明专利]一种图像融合方法、装置、存储介质及电子设备-CN202310526443.3有效
发明人：王静 -专利权人：四川工程职业技术学院
申请日： 2023-05-11 - 公布日： 2023-08-22 - 主分类号： G06T5/50 文献下载
摘要：本申请的实施例公开了一种图像融合方法、装置、存储介质及电子设备，涉及图像处理技术领域，包括：获取并将原始图像输入融合模型，获得目标图像；其中，融合模型能够获取图像中的低秩成分，融合模型包括第一部分与第二部分，第一训练样本为高空间分辨率的多光谱图像，第二训练样本为低空间分辨率的高光谱图像。本申请的方法通过构建的融合模型，准确地从输入的原始图像中学习低秩成分的表达，一方面从多光谱图像中学习目标图像的空间维度的低秩相关性，另一方面从高光谱图像中学习目标图像的光谱维度的低秩相关性，进而以其为子空间约束目标图像的低秩结构，使得模型具有良好的高光谱与多光谱融合性能，提升高光谱与多光谱图像融合的质量。
一种图像融合方法装置存储介质电子设备

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条