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！

龙图腾网获悉广东技术师范大学申请的专利一种精细图像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：CN113191458B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202110580312.4，技术领域涉及：G06V10/764；该发明授权一种精细图像分类方法是由李争名设计研发完成，并于2021-05-26向国家知识产权局提交的专利申请。

本一种精细图像分类方法在说明书摘要公布了：本发明涉及一种精细图像分类方法，其特征在于包括构建分解字典学习模型，构造自适应局部保序约束模型，构造分类器模型，构造目标函数，目标函数求解和构造分类方法的模型等步骤。本发明不但能够在分解字典学习过程中自适应地捕获原子的局部几何结构信息和每个分解原子邻域的高阶秩信息特征，并能够通过原子间的距离衡量多视角数据对表征物体的贡献，增强分解系数和分解字典的判别性能。而且利用了分解系数和精细图像的类标矩阵构造分类器模型，并通过范数约束分类器参数，增强分类器学习模型的鲁棒性并降低算法的时间复杂度，提高基于自适应局部保序约束多视角分解字典学习算法的分类性能。

本发明授权一种精细图像分类方法在权利要求书中公布了：1.一种精细图像分类方法，其特征在于，主要包括以下步骤： 首先，构建分解字典学习模型，通过输入多视角精细图像数据来构造分解字典学习模型，把图像的像素值转换为基于列向量的输入矢量，并利用不同视角数据构造分解字典学习模型，以为每个视角数据学习一个分解字典和对应的分解系数； 其次，构造自适应局部保序约束模型，利用分解字典学习模型中学习得到的分解原子和profiles间的一一对应关系，profiles为分解系数矩阵的行向量，构造自适应局部保序约束模型，其步骤为：假设和是分解原子的近邻分解原子，则它们对应的profiles，和可以表示为，和，为精细图像数据；如果分解原子和相似，则它们对应的profiles和也相似；如果，则，为距离公式；因此，自适应局部保序约束模型构造为，其中是多视角分解原子的总个数，为分解原子和的权重，表示分解原子的近邻的序列编号，是一个对称矩阵且；由于profiles是分解系数矩阵的行向量，当用欧拉距离公式计算分解原子间的距离时，自适应局部保序约束模型可以转换为，其中，，为分解系数矩阵，为分解原子的权重矩阵，为利用中的元素计算的对称矩阵； 第三，构造分类器模型，利用分解字典学习模型中学习的分解系数及多视角数据的类标矩阵，构造出分类器模型，并对分类器参数进行范数约束； 第四，构造目标函数，在分解字典学习模型的基础上，增加自适应局部保序约束模型和分类器模型，从而构造出多视角分解字典学习算法的目标函数； 第五，目标函数求解，采取梯度下降法对目标函数进行求解，获得多视角分解字典和分解系数； 第六，构造分类方法的模型，并输入测试样本的数据，从而输出测试样本的类标。

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广东技术师范大学，其通讯地址为：510665 广东省广州市天河区中山大道293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。