買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西安理工大學(xué)申請的專利基于生物視覺感知模型的圖像復(fù)數(shù)特征提取方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116863149B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202310775373.5，技術(shù)領(lǐng)域涉及：G06V10/40；該發(fā)明授權(quán)基于生物視覺感知模型的圖像復(fù)數(shù)特征提取方法是由李靖;王洋;余璐;張二虎設(shè)計研發(fā)完成，并于2023-06-28向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于生物視覺感知模型的圖像復(fù)數(shù)特征提取方法在說明書摘要公布了：本發(fā)明公開的基于生物視覺感知模型的圖像復(fù)數(shù)特征提取方法，首先模仿視皮層認(rèn)知機制對圖像Gabor變換所得的復(fù)數(shù)結(jié)果分組做奇異值分解和最值操作求得主復(fù)數(shù)特征，然后分別對組內(nèi)主復(fù)數(shù)特征做深度映射，最后對不同組內(nèi)深度復(fù)數(shù)特征做遞歸學(xué)習(xí)生成圖像復(fù)數(shù)特征向量。本發(fā)明的基于生物視覺感知模型的圖像復(fù)數(shù)特征提取方法，由實部和虛部組成的復(fù)數(shù)信號在單個信號維度中攜帶二維信息，復(fù)數(shù)神經(jīng)元就可以更好地模擬生物神經(jīng)元，增加了單個處理單元以及整個網(wǎng)絡(luò)的泛化能力和分類精度；借助深度學(xué)習(xí)強大的特征學(xué)習(xí)能力，本發(fā)明C?HMAX模型更符合人類視覺處理機理，特征提取效果更好。

本發(fā)明授權(quán)基于生物視覺感知模型的圖像復(fù)數(shù)特征提取方法在權(quán)利要求書中公布了：1.基于生物視覺感知模型的圖像復(fù)數(shù)特征提取方法，其特征在于，首先模仿視皮層認(rèn)知機制對圖像Gabor變換所得的復(fù)數(shù)結(jié)果分組做奇異值分解和最值操作求得主復(fù)數(shù)特征，然后分別對組內(nèi)主復(fù)數(shù)特征做深度映射，最后對不同組內(nèi)深度復(fù)數(shù)特征做遞歸學(xué)習(xí)生成圖像復(fù)數(shù)特征向量；包括以下步驟： 步驟1、采用16個尺度、4個方向的Gabor濾波器組對圖像進行變換，得到圖像的Gabor變換響應(yīng)； 步驟2、對圖像像素在同一尺度下不同方向的Gabor變換響應(yīng)的5×5鄰域用奇異值分解法求Gabor變換響應(yīng)的主成分，得到單尺度主復(fù)數(shù)特征；然后對組內(nèi)兩個相鄰尺度主復(fù)數(shù)圖的對應(yīng)像素求得幅值最大值對應(yīng)的主復(fù)數(shù)值，得到組內(nèi)主復(fù)數(shù)特征； 步驟3、采用基于局部感受野的極限學(xué)習(xí)機模型對組內(nèi)主復(fù)數(shù)特征進行深度映射，生成組內(nèi)深度復(fù)數(shù)特征； 步驟4、在遞歸框架下由棧復(fù)數(shù)自編碼器SCAE依次對不同分組的組內(nèi)深度復(fù)數(shù)特征迭代映射生成最終的圖像復(fù)數(shù)特征向量。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西安理工大學(xué)，其通訊地址為：710048 陜西省西安市碑林區(qū)金花南路5號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。