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！

龙图腾网获悉电子科技大学长三角研究院(衢州)申请的专利一种无参数二维融合LASSO模型求解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：CN117036835B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202311052951.9，技术领域涉及：G06V10/766；该发明授权一种无参数二维融合LASSO模型求解方法是由张永超;刘帅迪;晏家楠设计研发完成，并于2023-08-21向国家知识产权局提交的专利申请。

本一种无参数二维融合LASSO模型求解方法在说明书摘要公布了：本发明公开了一种无参数二维融合LASSO模型求解方法，首先构建二维信号模型，将二维信号模型列化处理，然后将全变差范数与稀疏范数相融合并分别对二维数据的行和列添加约束，构建二维融合LASSO模型，再根据协方差拟合准则计算归一化加权矩阵，计算出模型中的最优正则化参数，推导出无参数二维融合LASSO模型，最后通过CVX工具箱进行求解。本发明的方法重建效果优于现有二维融合LASSO模型方法，通过建立一种无参数二维融合LASSO模型，解决现有二维融合LASSO模型中正则化参数的最优选择难题，在计算过程中不需要正则化参数的选取，扩展了本发明方法的应用范围。

本发明授权一种无参数二维融合LASSO模型求解方法在权利要求书中公布了：1.一种无参数二维融合LASSO模型求解方法，具体步骤如下： 步骤一、构建二维信号模型； 图像处理中的二维信号模型表示为： Y＝AX+E1 其中，表示测量二维数据矩阵，表示原始二维数据矩阵，表示字典矩阵，表示加性噪声矩阵；表示向量空间维度，M、N分别表示二维数据矩阵的行和列的维度大小；将该二维信号模型应用到光学图像去噪领域，Y为添加了加性高斯噪声图像； 步骤二、模型列化处理； 对模型进行列化处理，设定存在三个矩阵F1,F2,F3，根据矩阵列化理论可得： 其中，vec·表示矩阵列化操作，表示Kronecker积，·T表示矩阵转置操作； 则式1列化得到一个线性模型： y＝Hx+e3 其中，y＝vecY，x＝vecX，e＝vecE，表示单位矩阵，且 步骤三、构造二维融合LASSO模型； 对式1的模型的行和列同时添加稀疏性约束和全变差约束得到二维融合LASSO模型，其通过式3的线性模型可以具体表示为： 其中，x′＝vecXT，λ表示正则化参数，D表示全变差算子，用差分矩阵表示： 其中，||Dx||1表示对二维矩阵列数据进行融合约束，||Dx′||1表示对二维矩阵行数据进行融合约束； 步骤四、计算归一化加权矩阵； 采用构造归一化加权矩阵的方式来去除正则化参数，获得最优解； 首先，将式4重新表示为： 接着，令B＝HD-1，B＝[b1,b2,...,bMN]，根据协方差拟合准则，归一化加权矩阵Wx可以表示为： Wx＝diag[w1,w2,...,wMN]7 其中，diag·表示将向量转化为对角矩阵； 步骤五、推导无参数二维融合LASSO模型； 假设在均匀噪声情况下，根据协方差拟合准则，将归一化加权矩阵代入式4得无参数二维融合LASSO模型： 步骤六、模型求解； 步骤五所得模型是一个凸优化问题，使用Matlab的CVX工具箱能够快速求解，CVX求解结果为： 其中，表示目标重建结果，CVX·表示CVX工具箱求解过程； 最终通过对无参数二维融合LASSO模型进行求解，实现二维目标重建，解决正则化参数的最优选择难题。

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电子科技大学长三角研究院(衢州)，其通讯地址为：324000 浙江省衢州市柯城区芹江东路288号1幢18楼；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。