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！

龙图腾网获悉广州大学申请的专利融合协同表达最近邻距离与黎曼流形的图像集识别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：CN115496957B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202210938573.3，技术领域涉及：G06V10/774；该发明授权融合协同表达最近邻距离与黎曼流形的图像集识别方法是由谭恒良;杜娇;杨朔;颜国风设计研发完成，并于2022-08-05向国家知识产权局提交的专利申请。

本融合协同表达最近邻距离与黎曼流形的图像集识别方法在说明书摘要公布了：本发明公开了一种融合协同表达最近邻距离与黎曼流形的图像集识别方法，包括以下步骤：S1：获得训练图像集S2：对训练图像集利用最近邻距离进行欧式空间尺度建模；S3：对训练图像集进行Grassman流形尺度建模；S4：对训练图像集进行SPD流形尺度建模；S5：将不同空间上的尺度映射到统一的希尔伯特空间，再通过学习马氏距离矩阵获得融合后的距离度量公式；S6：通过核方法学习能够最大化类间散度和最小化类内散度的马氏距离矩阵，得到图像集之间的最优相似度度量。本发明提供的技术方案相较现有方法有更高的识别率和鲁棒性。

本发明授权融合协同表达最近邻距离与黎曼流形的图像集识别方法在权利要求书中公布了：1.一种融合协同表达最近邻距离与黎曼流形的图像集识别方法，其特征在于，包括以下步骤： S1：获得训练图像集 S2：对训练图像集利用最近邻距离进行欧式空间尺度建模； S3：对训练图像集进行Grassman流形尺度建模； S4：对训练图像集进行SPD流形尺度建模； S5：将不同空间上的尺度映射到统一的希尔伯特空间，再通过学习马氏距离矩阵获得融合后的距离度量公式； S6：通过核方法学习能够最大化类间散度和最小化类内散度的马氏距离矩阵，得到图像集之间的最优相似度度量； 所述步骤S2使用正则化仿射包协同表达法和核的正则化仿射包协同表达法对所述训练图像集之间的最近邻欧氏距离进行建模； 所述正则化仿射包协同表达法具体包括以下内容：使用字典学习对所述训练图像集进行稀疏表达，得到一个由少数图像组成的图像集合Di，所有经过压缩的图像集为：其中N是所述训练图像集的个数，记测试图像集为Xte，建立最优函数： 其中α和β是两个待优化参数向量.ρ1和ρ2是约束参数,τ为决定该模型凸包形式的参数,τ≤1,nq和nD分别是测试图像集Xte与所有训练图像集的稀疏表达集合D中的图像数目，lp是范数数，使用RH-ISCRC方法中的l1范数进行正则化；使和以避免α＝0和β＝0的极端情况；使用拉格朗日乘子法，得到所述最优函数的对偶形式： 其中λ1和λ2是两个拉格郎日乘子；使用交替法实现参数优化：首先固定参数α,更新β的最优值,然后固定β,更新α的最优值；其中最优值通过l1-minimization正则化的LARS算法进行优化，β＝[β1,…,βN]T中每个子向量βi对应系数集合Di，记最优值为和通过公式： 求得测试图像集Xte到第i个训练图像集之间的最近邻距离；用线性核得到映射效果：其中kl·是线性核函数。

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广州大学，其通讯地址为：510006 广东省广州市大学城外环西路230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”。