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！

龙图腾网获悉罗群申请的专利庞杂布图下聚焦图像主体的精准检索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：CN114817597B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202210429814.1，技术领域涉及：G06F16/532；该发明授权庞杂布图下聚焦图像主体的精准检索系统是由罗群;王玉成设计研发完成，并于2022-04-22向国家知识产权局提交的专利申请。

本庞杂布图下聚焦图像主体的精准检索系统在说明书摘要公布了：针对电商需求,本申请通过旋积层次迭代网络提取图像特征，通过定序自适应压缩高效精细精准检索,实现一款基于旋积层次迭代网络和定序自适应压缩的大规模庞杂布图下图像库下的电商图像检索应用软件，并且通过设计显著性提取和主体核降维一系列算法，使软件能够适应背景庞杂的条件，不但提高了检索精度，也能适应更多的使用环境，能在用户容忍的时间范围内从海量的图库中精确找到用户需要的结果,图像散列方法通过将高维数据映射为二值码实现快速检索，通过旋积层次迭代网络对图像特征高效表达，将两者融合并吸收各自优点,适应大数据时代的海量检索，能够很好的完成大规模复杂图像的检索任务，具有巨大的实际意义和广泛的应用主体。

本发明授权庞杂布图下聚焦图像主体的精准检索系统在权利要求书中公布了：1.庞杂布图下聚焦图像主体的精准检索系统，其特征在于，包括：一是特征主题抽取模块，具体包括：逆变扩散与无序层级下降、超因子分层设置、要义采集权重初始化、层级融合归化、局部网络激活、特征主题提取，二是要义检索模块，具体包括：主体核降维散列、主体核降维及其投影矩阵计算、生成输入数据、散列函数的生成和检索，三是主体提取模块，四是检索预处理模块，五是精准匹配模块； 采取层次迭代网络正向评估和定序自适应压缩计算方法，先提取层次迭代网络的高层数据表达，然后将这些数据利用定序自适应压缩进行相似最近邻检索,得到一个粗略的检索结果，最后将粗略的检索结果进一步进行图像精准匹配，如果背景庞杂而导致检索结果不佳，则加入主体提取模块，提高检索精度；通过层次化设计系统，使系统每个模块相互独立； 通过旋积层次迭代网络提取图像特征，通过定序自适应压缩高效精细精准检索,实现一款基于旋积层次迭代网络和定序自适应压缩的大规模庞杂布图下图像库下的电商图像检索应用软件，并且通过设计显著性提取和主体核降维一系列算法，使软件适应背景庞杂的条件； 在特征提取方面，基于旋积层次迭代网络结构，并抽取最后全链路层的输出数据作为定序自适应压缩的输入； 在图像检索方面，通过定序自适应压缩降低检索所需的时间，采用一种主体核降维散列，通过对数据的特征矩阵进行主体核降维，并通过一种最优梯度旋转的方法来构建散列函数，以降低量化引起的误差；检索时采用特征相似度判别算法，通过比较散列码之间的汉明距来得到相似的图像，之后通过进一步的精确匹配来得到最终的结果； 另外，采用一种显著性提取算法来分离主体和背景，提高检索的精度； 主体核降维散列：对图像库中已提取好的特征生成散列码，然后对待检索的图像，用处理图像库时所生成的投影矩阵来生成相似的散列码，根据散列码进行相似度匹配； 主体核降维及其投影矩阵计算：首先对样本的特征矩阵计算其协方差矩阵,并对协方差矩阵求出其特征值和对应的特征向量，其中，特征值越大对应维度的区分度越高，其中,特征值最大的即为主成分，将剩余的特征值排序后，得到的对应特征矩阵即为投影矩阵，利用投影矩阵可对相同初始维度的新输入数据进行分析； 一种显著性提取算法：首先在无序规则模型下进行图像标注,得到对应的能量函数： 其中，i,j代表像素位，ψi和ψij分别是目标本身和其局部的对比度，得到初步计算的显著性图，对于ψij运用混合高斯模型替代直方图模型进行计算,并通过向其中的协方差矩阵添加一个常数项来避免不收敛的情况，颜色模型采用GMM模型，当把像素的label作为形成马尔科夫场无序变量且能够获得全局观测时，对这些label进行建模；免去ψijxi,xj中庞杂的GMM全局模型预测，最后获得更精确的显著性图，得到最后结果。

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罗群，其通讯地址为：200030 上海市徐汇区广元西路55号（交通大学）；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”。