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！

龙图腾网恭喜江苏大学申请的专利一种基于低秩关联分析的多视图图像表征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：CN112149053B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202010835262.5，技术领域涉及：G06F17/16；该发明授权一种基于低秩关联分析的多视图图像表征方法是由沈项军;周京慧设计研发完成，并于2020-08-19向国家知识产权局提交的专利申请。

本一种基于低秩关联分析的多视图图像表征方法在说明书摘要公布了：本发明公开了一种基于低秩关联分析的多视图图像表征方法，通过典型关联分析来探索多视图图像变量的关联结构；通过因子分解获得多视图图像的共同部分及其在样本空间的投影向量；通过低秩表示来对数据进行降维与降噪，从而抑制离群值的影响。本发明的优点在于在噪声密度较高的情况下，通过矩阵因子分解提取多视图图像中的关联信息，根据提取出的共同部分，进一步通过低秩对齐得到更好的低秩结构，达到更好地降噪效果。

本发明授权一种基于低秩关联分析的多视图图像表征方法在权利要求书中公布了：1.一种基于低秩关联分析的多视图图像表征方法，其特征在于，包括以下步骤：步骤1，采集多视图数据集{X,Y}，X、Y分别为两个视图对应数据集的数据矩阵，同时初始化循环次数；步骤2，通过因子分解将数据矩阵X、Y分解为X＝UP,Y＝VQ；其中，U、V分别为数据矩阵X和Y经过因子分解得到的自有特征部分，P、Q分别为数据矩阵X和Y经过因子分解后得到的共同部分，对共同部分P、Q施加低秩约束得到和得到关于和的目标函数；步骤3，使用拉格朗日函数对目标函数进行处理，并对各变量进行更新求解；步骤4，设置迭代更新的结束判定条件，若符合以上判定条件，则跳出循环并输出最优解P和Q；否则继续执行循环；步骤5，根据得到的优解低秩矩阵P和Q，最终得到降噪后的多视图关联数据的低维表征；步骤2中，对共同部分P、Q通过核范数来约束矩阵低秩得到和进而得到目标函数，表示为： s.t.P＝Q+E,X＝UP,Y＝VQ, 其中,和分别是共同部分P、Q被施加低秩约束得到的，E为残差项，λ＝0.1是损失函数和L2,1范数的平衡参数，||·||*表示核范数，||·||2,1表示L2,1范数；步骤3中，对目标函数进行拉格朗日变换得到： 其中，L为拉格朗日函数，E为残差项，λ＝0.1是损失函数和L21范数的平衡参数，和分别是被施加低秩约束的共同部分P、Q，μ是惩罚参数μ＞0，||·||*表示核范数，||·||F表示F范数，tr*表示矩阵的迹；M1、M2、M3、M4和M5分别为拉格朗日乘子；基于拉格朗日函数，对各变量进行更新求解的过程为：Step1：根据拉格朗日函数，可以通过优化求解如下公式得出： Step2：通过对拉格朗日函数求P和Q的偏导数并令其为0，计算可得： Step3：通过对拉格朗日函数求U和V的偏导并令其为0，计算可得： Step4：根据上述步骤计算得出的P和Q，残差项E可以通过下式的优化求解得出： 其中，I表示单位矩阵，UT、VT分别为U、V的转置。

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江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301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”。