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！

龙图腾网获悉东华大学;上海工程技术大学申请的专利一种基于判别卷积字典学习的机织物纹理重构与分类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：CN119649350B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411678024.2，技术领域涉及：G06V20/60；该发明授权一种基于判别卷积字典学习的机织物纹理重构与分类方法是由占竹;张磊;魏祺煜;辛斌杰;汪军;李立轻设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本一种基于判别卷积字典学习的机织物纹理重构与分类方法在说明书摘要公布了：本发明涉及一种基于判别卷积字典学习的机织物纹理重构与分类方法，首先将含有不同类样本的机织物纹理图像训练集中所有的机织物纹理图像进行低通滤波操作，提取其高通分量和低通分量以及构建DCDL模型并对模型进行优化求解；然后将和相应的类别标签输入DCDL模型中进行训练，训练结束后输出学习到的局部卷积字典DL和相应的局部分类器权重WL；最后，对于测试图像yq，先对其进行低通滤波操作，提取再计算其高通分量对应的编码系数Xq，最终通过DL和Xq对和图像yq进行重构，通过WL和Xq来确定图像yq的类别。本发明可同时实现对机织物纹理的表征与分类，且分类精确。

本发明授权一种基于判别卷积字典学习的机织物纹理重构与分类方法在权利要求书中公布了：1.一种基于判别卷积字典学习的机织物纹理重构与分类方法，其特征在于：首先将含有不同类样本的机织物纹理图像训练集中所有的机织物纹理图像进行基于Tikhonov正则化的低通滤波操作，提取其高通分量和低通分量，以及构建判别卷积字典学习模型并对模型进行优化求解；然后将训练集中机织物纹理样本图像对应的高通分量和相应的类别标签输入判别卷积字典学习模型中进行训练，训练结束后输出学习到的局部卷积字典DL和相应的局部分类器权重WL；最后，对于测试图像yq，先对其进行基于Tikhonov正则化的低通滤波操作，提取低通分量再计算其高通分量对应的编码系数Xq，最终通过DL和Xq对高通分量和测试图像yq进行重构，通过WL和Xq来确定测试图像yq的类别； 构建的判别卷积字典学习模型为： 其中，Y为训练样本集，D为全局卷积字典，X为全局编码系数，λ是用于控制卷积编码系数稀疏度的正则化参数，γ是控制平衡分类器损失在总损失函数中所占比例的正则化参数；为训练样本集的总数量，ni为第i类训练样本集的样本数量，C为训练样本集中样本的类别数；表示训练样本yi,j的真实标签，如果yi,j属于类别c，则Hi,j中的其他元素为0；为训练样本yi,j的预测标签，为预测标签和真实标签Hi,j之间差异的交叉熵判别损失函数； 其中，Xi,j为第i类样本集中的第j个样本所对应的卷积编码系数，W为全局分类器权重。

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东华大学;上海工程技术大学，其通讯地址为：201620 上海市松江区人民北路2999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”。

以上内容由龙图腾AI智能生成。