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！

龙图腾网获悉山西大学申请的专利一种融入正则化特征表示策略的深度神经网络气象云图像压缩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：CN115880146B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202211059562.4，技术领域涉及：G06T3/4007；该发明授权一种融入正则化特征表示策略的深度神经网络气象云图像压缩方法是由王钰;杨静;杨杏丽设计研发完成，并于2022-08-29向国家知识产权局提交的专利申请。

本一种融入正则化特征表示策略的深度神经网络气象云图像压缩方法在说明书摘要公布了：本发明涉及一种融入正则化特征表示策略的深度神经网络气象云图像压缩方法，目的是解决现有神经网络方法在获取图像有用特征的同时引入冗余特征，降低图像分析精度的技术问题。技术方案为：它包括如下步骤：编码网络、特征学习；计算特征表示分布和标准正态分布之间的KL散度；解码网络融合反卷积恢复图像特征；计算解码网络融合特征与解码网络忒正之间的KL散度；计算解码网络输出图像与目标图像之间的MSE；融合三个不同正则化MSE函数；本发明可以实现具有不变图像特征表示的高质量气象云图像的自动压缩。

本发明授权一种融入正则化特征表示策略的深度神经网络气象云图像压缩方法在权利要求书中公布了：1.一种融入正则化特征表示策略的深度神经网络气象云图像压缩方法，其特征在于，包括如下步骤： 1进行编码网络中卷积层特征学习，得到训练特征向量和测试特征向量，具体步骤如下： 1.1将地基气象云图像数据集以8:2的比例分为训练样本集和测试样本集； 1.2对步骤1.1所得的训练样本集进行归一化处理； 1.3搭建一个四层的编码网络，每层由卷积、激活、池化三部分组成； 1.4将经过步骤1.2归一化处理后的训练样本集用步骤1.3的编码网络模型进行特征提取，即保留通过四层编码网络得到的特征表示； 2计算训练编码网络第四层池化后得到的特征表示分布和标准正态分布之间的KL散度，即： ； 其中和分别是编码网络第四层得到特征表示和正态分布，和分别是特征和正态分布的分布函数；表示特征分布的方差和期望，表示正态分布的方差和期望； 3进行解码网络中特征融合以及反卷积恢复图像特征，具体步骤如下： 3.1搭建一个四层的解码网络，每层由卷积、激活、反卷积三部分组成； 3.2输入步骤1.4中从编码网络中提取的特征，经过解码网络反卷积得到第一层反卷积特征向量，将得到的反卷积特征向量与编码网络得到的第三层的特征向量融合； 3.3对步骤3.2融合后的特征再次进行反卷积操作，反卷积后得到的特征向量与编码网络获得的第二层特征向量进行融合； 3.4对步骤3.3融合后的特征再次进行反卷积操作得到解码网络的输出特征，此时得到的特征通道数为3，可以看作输出图像； 4计算解码网络融合得到的特征和对应编码网络特征之间的KL散度，即分别计算步骤3.2和步骤3.3融合得到的特征与编码网络第三层和第二层特征的KL散度，即分别计算与；其中，，，分别是特征，和，的分布函数； 5计算步骤3.4中解码网络输出的图像和目标集图像之间的平方损失MSE，MSE的计算公式为：； 6融合三个不同KL散度约束的正则化MSE函数作为整个编码解码网络的目标函数：，向前传递更新网络参数。

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山西大学，其通讯地址为：030006 山西省太原市小店区坞城路92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。