“稀疏度”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1656578个，建议您升级VIP下载更多相关专利

[发明专利]阵列天线、稀疏矩形阵列及天线设计方法-CN202111324385.3在审
发明人：王庚;何明浩;冯明月;陈昌孝;郁春来;韩俊;刘康;蒋莹 -专利权人：中国人民解放军空军预警学院
申请日： 2021-11-10 - 公布日： 2022-02-11 - 主分类号： H01Q21/06 文献下载
摘要：本发明实施例涉及天线技术领域，公开了一种阵列天线、稀疏矩形阵列及天线设计方法。本发明实施例中公开了一种稀疏阵列天线，所述稀疏阵列天线包括至少一个阵元；第一比值的数值范围为小于第二比值的正整数集合，其中，所述第一比值为所述稀疏阵列天线中任意两个阵元之间的距离差与单位阵元间距的比值，所述第二比值为阵列孔径与所述单位阵元间距的比值；所述稀疏阵列天线的阵列冗余度为，与当前的阵元数量对应的最小阵列冗余度。在本发明实施例中给出一类稀疏阵列天线，可体现为最小冗余线阵的结构状况，更适合于阵列天线在无人机平台电子对抗侦察测向系统中的实际应用。同时，测向性能较强。
阵列天线稀疏矩形设计方法

[发明专利]基于卷积神经网络的块稀疏方法、装置及处理单元-CN202210844507.X在审
发明人：王中风;徐铭阳;鲁金铭;林军 -专利权人：南京大学
申请日： 2022-07-18 - 公布日： 2022-10-14 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及数据处理技术领域，提供一种基于卷积神经网络的块稀疏方法、装置及处理单元，所述基于卷积神经网络的块稀疏方法，通过将维度为N×C×K×K的原始权重，转换为K2个C×K的重排权重，然后根据预设维度，将重排权重分割为多个数据块，最后根据预先设置的数据稀疏度，剪去所述多个数据块内冗余的非零值。对于数据块而言，剪去的是对数据块影响较小的数据，这可以减少稀疏对于训练精度的影响，因此可以达到较高的稀疏度，同时，在硬件设计时，解决传统训练加速器在处理稀疏张量时，存在的不同处理单元之间运算任务不平衡的问题
基于卷积神经网络稀疏方法装置处理单元

[发明专利]基于空谱信息丰度约束的高光谱图像组稀疏解混方法-CN201410810715.3有效
发明人：张向荣;焦李成;吴健康;马文萍;马晶晶;侯彪;白静;刘红英 -专利权人：西安电子科技大学
申请日： 2014-12-22 - 公布日： 2020-04-24 - 主分类号： G06K9/62 文献下载
摘要：本发明属于图像处理技术领域，具体公开了基于空谱信息丰度约束的高光谱图像组稀疏解混方法，其实现步骤为：输入高光谱图像数据集及标准光谱库；利用均值漂移算法对高光谱图像数据自适应分组；对每组高光谱图像数据进行组稀疏解混；利用每组高光谱图像数据对应的丰度矩阵作为依据修剪光谱库；输出高光谱图像数据稀疏解混结果。本发明考虑高光谱数据和光谱库数据的结构特点，将组稀疏解混和光谱库修剪策略用于高光谱图像解混，提高了现有技术中对高光谱数据稀疏解混的精度。本发明的方法是基于半监督的高光谱图像解混方法，拥有稀疏解混的优势和较高的解混精度，是一种有效的高光谱图像解混方法。
基于信息约束光谱图像稀疏方法

[发明专利]基于光谱库裁剪与协同稀疏回归的高光谱数据解混方法-CN201810016715.4有效
发明人：肖亮;李生富 -专利权人：南京理工大学
申请日： 2018-01-08 - 公布日： 2022-02-18 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于光谱库裁剪与协同稀疏回归的高光谱数据解混方法，包含如下步骤：输入光谱库和待解混高光谱数据；光谱库初始化与光谱数据矩阵构造；构建光谱拟合误差保真项；构建丰度矩阵协同稀疏性约束项；构建光谱库裁剪的稀疏正则化项；建立光谱库裁剪和协同稀疏回归模型；迭代求解光谱库裁剪和协同稀疏回归模型；输出裁剪后的光谱库和端元丰度图。本发明为缓解光谱库端元与实际场景中端元的误匹配问题，建立协同稀疏回归模型，进行目标函数最优化解混，提高了解混的精度，降低了端元误匹配率，增强了对光谱幅度变化和噪声的鲁棒性；可广泛应用于环境监测、矿产勘探和精准农业等领域的高光谱数据解混应用
基于光谱裁剪协同稀疏回归数据方法

[发明专利]滚动轴承故障稀疏诊断方法-CN201810571885.9有效
发明人：李继猛;李铭;王慧;姚希峰;张金凤 -专利权人：燕山大学
申请日： 2018-05-31 - 公布日： 2020-02-25 - 主分类号： G01M13/045 文献下载
摘要：本发明公开了一种基于平均随机弱正交匹配追踪的滚动轴承故障稀疏诊断方法，首先根据采集到的滚动轴承振动信号构造超完备字典，完成算法参数的初始化设置，并预估原信号的稀疏度；其次，采用平均随机弱正交匹配追踪算法更新稀疏字典和残差；最后，利用得到的稀疏字典计算稀疏表示系数，从而重构得到故障信号；将上述过程重复N次，通过集合平均得到最终处理结果。该方法通过原子数预估与改进的残差更新方式避免了人为设置稀疏度对分解结果的影响，通过改进的模拟退火算法增大了小幅值故障成分被提取的可能，解决了微弱周期性冲击特征难以有效提取的问题，对实现滚动轴承的早期微弱故障诊断具有重要意义
滚动轴承故障稀疏诊断方法

[发明专利]基于进化多目标优化的非凸压缩感知图像重构方法-CN201410029814.8有效
发明人：刘芳;宁文学;李玲玲;焦李成;戚玉涛;郝红侠;李婉;马文萍;马晶晶;尚荣华;于昕 -专利权人：西安电子科技大学
申请日： 2014-01-22 - 公布日： 2014-04-30 - 主分类号： G06T11/00 文献下载
摘要：本发明提出了分块打散压缩采样方法，克服了现有分块压缩感知重构技术中，有些图像块不稀疏或者弱稀疏的缺点，提高了重构图像的质量。本发明将压缩感知重构中有约束的单目标优化问题转化为将稀疏度也作为优化目标的多目标优化问题，并针对图像利用进化多目标优化思想实现了基于小波域下的压缩感知优化重构方法，克服了现有压缩感知重构技术中，难以确定稀疏度的不足本发明将图像的边缘位置信息作为指导IHT方法求解稀疏系数的位置先验，克服了现有压缩感知重构技术中，较少考虑稀疏系数位置的不足，从而提高了重构图像的质量。
基于进化多目标优化压缩感知图像方法

[发明专利]一种图像中目标跟踪方法-CN201610633504.6有效
发明人：朱明;陈典兵;陈璐 -专利权人：中国科学院长春光学精密机械与物理研究所
申请日： 2016-08-04 - 公布日： 2020-02-14 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种图像中目标跟踪方法，包括：从图像中采样预设数量的候选粒子，对候选粒子构建稀疏表示模型，稀疏表示模型中包含用于约束粒子的观测向量与残差向量之间差值的L2范数项、以及用于约束粒子的残差向量的L1范数项；求解稀疏表示模型，将重构误差累加和最小的候选粒子确定为目标；根据被确定为目标的候选粒子的重构向量、残差向量以及原模板向量对字典矩阵进行更新。本发明图像中目标跟踪方法，在建立稀疏表示模型中，增加了表示残差矩阵的约束项，在L2范数项中加入了稀疏表示残差矩阵的相关信息，使得对模型的求解更加精确，求解获得目标的稀疏表示系数精度提高，对目标跟踪的精确度及准确度提高
一种图像目标跟踪方法

[发明专利]一种稀疏信号的重构方法-CN200910023785.3无效
发明人：张莉;陈桂荣;焦李成;周宏杰 -专利权人：西安电子科技大学
申请日： 2009-09-04 - 公布日： 2010-02-03 - 主分类号： H03M7/30 文献下载
摘要：本发明公开了一种稀疏信号的重构方法，主要解决从观测向量重构原始稀疏信号速率低的问题。该方法利用约束目标函数的可分解性，将优化约束目标函数问题分解为一系列小的约束目标函数来优化，提高重构速率。它包括获取原始数据部分、重构原始稀疏信号部分和重构准确度评价部分，其中：获取原始数据部分包括产生原始稀疏信号、观测矩阵和观测向量；重构原始稀疏信号部分主要包括设定无约束目标函数，推导约束目标函数、使用序列最小优化方法分解约束目标函数、计算重构信号和对重构信号进行除偏处理；重构准确度评价是比较均方误差的大小。本发明的重构方法可在保证重构准确率的前提下，提高重构速率，可应用于压缩感知等领域的稀疏信号重构问题。
一种稀疏信号方法

[发明专利]基于卷积稀疏分解的高光谱图像多尺度特征提取方法-CN202011530046.6在审
发明人：张钧萍;仲崇潇 -专利权人：哈尔滨工业大学
申请日： 2020-12-22 - 公布日： 2021-03-16 - 主分类号： G06K9/00 文献下载
摘要：基于卷积稀疏分解的高光谱图像多尺度特征提取方法，属于图像处理技术领域，本发明为解决高光谱图像多尺度特征提取有效性差、图像分类精确度低的问题。它将图像信号输入至稀疏表示模型中，合成稀疏模型将图像信号采用合成稀疏字典中基元的线性组合进行表示，分析稀疏模型将图像信号经过分析字典投影，获得具有稀疏性质的投影系数；建立卷积稀疏分解模型，分别将合成稀疏模型和分析稀疏模型的先验知识添加到卷积稀疏分解模型的两个部分，然后对卷积稀疏分解模型求解；对图像信号采用分段平均的方法进行光谱降维，对降维获得图像进行多尺度空间的频谱特征提取，采用主成分分析法提取多尺度的空间频谱特征。
基于卷积稀疏分解光谱图像尺度特征提取方法

[发明专利]基于自适应优化稀疏字典的光谱重建计算方法及光谱系统-CN202211547899.X在审
发明人：王晓旭;李博;顾国超;李寒霜;张子辉 -专利权人：中国科学院长春光学精密机械与物理研究所
申请日： 2022-12-05 - 公布日： 2023-04-07 - 主分类号： G01J3/02 文献下载
摘要：本发明涉及一种基于自适应优化稀疏字典的光谱重建计算方法及光谱系统，该方法采用常规基函数稀疏字典进行光谱重建计算，获得光谱信号近似最优解；以光谱信号近似最优解作为先验信息，针对性优化基函数稀疏字典的构造过程，在优化过程中，首先定位稀疏基函数，删除其余所有无效稀疏基函数，寻找不完全稀疏基函数并为不完全稀疏基函数添加细分稀疏基函数，得到优化稀疏字典；采用优化稀疏字典再次进行光谱重建计算，得到优化重建光谱解；以优化重建光谱解更新光谱信号近似最优解该方法能够降低基函数稀疏字典对光谱重建计算过程的约束，进而提升重建光谱的保真度，同时可以提高重建光谱计算速度。
基于自适应优化稀疏字典光谱重建计算方法系统

[发明专利]一种基于正交字典下同时稀疏编码的MRI图像重构方法-CN201711463209.1有效
发明人：刘书君;沈晓东;曹建鑫;张新征;李勇明;张奎 -专利权人：深圳中物光子科技有限公司
申请日： 2017-12-28 - 公布日： 2022-02-18 - 主分类号： G06T11/00 文献下载
摘要：本发明公开了一种基于正交字典下同时稀疏编码的MRI图像重构方法。属于数字图像处理技术领域。它是一种利用正交字典对图像进行稀疏表示和对稀疏系数同时稀疏编码优化的MRI图像重构方法。首先找到目标图像块的相似图像块集合即结构组，然后基于结构组在正交字典下的同时稀疏编码建立的图像重构模型，最后用广义软阈值法求解出该模型中结构组的稀疏系数并重构图像；本发明通过正交字典对结构组进行稀疏表示，可优化对结构组稀疏表示性能，并利用同时稀疏编码和广义软阈值法对稀疏系数进行约束和求解，能够更高效精确地估计稀疏系数，通过本发明重构出的MRI图像整体更加清晰，而且细节信息更丰富，重构的准确度更高，因此可用于医学图像的重构
一种基于正交字典同时稀疏编码 mri 图像方法

[发明专利]字典嵌套字典数据结构的稀疏矩阵压缩存储方法-CN202110286692.0在审
发明人：张然;赵丽丹;卢宇源;左文杰;陈雪乾;周明昆;泰月 -专利权人：吉林大学;中国科学院长春应用化学研究所
申请日： 2021-03-17 - 公布日： 2021-05-28 - 主分类号： G06F16/28 文献下载
摘要：本发明涉及一种字典嵌套字典数据结构的稀疏矩阵压缩存储方法，属于高性能计算机存储领域。包括初始化生成字典嵌套字典类型的数据结构；输入稀疏矩阵；判断稀疏矩阵元素是否为零；将非零元素的行索引、列索引和值存储在字典嵌套字典的数据存储结构中。本发明利用字典数据存储结构的时间复杂度和空间复杂度较优的特性，采用一种字典嵌套字典的数据存储结构来存储稀疏矩阵，达到占用内存少、存储高效、处理成本低且耗时少的效果。
字典嵌套数据结构稀疏矩阵压缩存储方法

[发明专利]一种单帧红外图像中多形态暗弱小目标检测方法-CN201911036729.3在审
发明人：王德江;马铭阳;孙翯;张涛 -专利权人：中国科学院长春光学精密机械与物理研究所
申请日： 2019-10-29 - 公布日： 2021-05-04 - 主分类号： G06K9/62 文献下载
摘要：该方法从原始红外图像中分解出稀疏图像；针对稀疏图像中的每个像元，计算像元邻域均值和整幅图像均值的比值作为稀疏度信噪比，将稀疏度信噪比大于阈值E的点确定为候选点；然后采用恒虚警检测筛选候选点，获得目标检测结果
一种红外图像形态暗弱目标检测方法

[发明专利]一种基于稀疏规则化的判别投影方法以及图像识别装置-CN201811625721.6有效
发明人：袁森 -专利权人：中国电子科技集团公司信息科学研究院
申请日： 2018-12-28 - 公布日： 2020-11-17 - 主分类号： G06K9/62 文献下载
摘要：一种基于稀疏规则化的判别投影方法，其特征为：包括如下步骤，步骤1)构建级联字典和学习稀疏表征结构；步骤2)保留稀疏表征结构；步骤3)学习数据的局部和非局部结构；步骤4)稀疏规则化辨别投影。本发明充分利用级联字典学习数据的稀疏表示，避免了求解L1范数问题，大大减少了计算复杂度；通过非局部最大化和局部最小化充分考虑了数据的几何拓扑结构。
一种基于稀疏规则化判别投影方法以及图像识别装置

[发明专利]基于共稀疏表示的自然图像全局重构方法-CN202011561273.5在审
发明人：宋和平;戚正晖;任小龙;艾泽红 -专利权人：江苏大学
申请日： 2020-12-25 - 公布日： 2021-03-26 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了基于共稀疏表示的自然图像全局重构方法，包括稀疏分解模型实现自然图像全局重构的图像块共稀疏表示建模方法。所述方法还包括实现图像重构的图像块共稀疏度自适应的快速分解稀疏重构算法。本发明解决自然图像重构过程中产生的问题，保证了图像块共稀疏表示实现全局重构是可行的，还保障了图像的高质量重构，具有理论的创新和应用的现实意义。
基于稀疏表示自然图像全局方法