专利交易市场

0本发明公开了一种基于牛顿动量的分布式加速复合优化方法及系统，在多个智能体连接为无向网络的基础上，通过建立光滑结构和非光滑结构相结合的目标函数，使得处理的问题覆盖范围更广，建立的模型更准确，能够以线性速度收敛至全局最优解，并且通过引入动量加速项和梯度追踪项使得收敛速度较同类方法更快，能有效提升大规模智能自动化设备数据的处理速度。

0本发明涉及虹膜识别技术领域，尤其涉及一种虹膜识别方法，包括步骤S1，获取虹膜图像并将虹膜图像归一化处理和灰度化处理以得到灰度图像；步骤S2，特征确定模块将灰度图像划分为若干区域，神经网络提取任一区域中的特征图像，特征确定模块确定是否将特征图像作为识别特征；步骤S3，特征确定模块确定识别特征占比，并在第二占比水平确定识别特征的级别；步骤S4，判定模块根据识别特征的级别计算任一区域的特征值评分并根据特征值评分将区域分类为三类特征区域，三类特征区域包括高特征区域、中特征区域以及低特征区域；步骤S5，识别模块根据三类特征区域的占比确定虹膜识别方式。本发明提高了虹膜识别的效率。

0本发明涉及一种图像元素提取方法,包括获取原始图像并识别原始图像中的物体轮廓;获取原始图像的灰度图像;将灰度图像平均分为设定数量的局部图像,并确定任一局部图像的最佳阈值,以区分背景图和目标图;计算任一目标图轮廓与原始图像中相应的物体轮廓的图形相似度,在第二相似度水平下确定对相应的最佳阈值的校正方式;检测任一局部图像中提取出的目标图的噪声点数量,在第二数量水平下确定对划分的局部图像的数量的修正方式;合并重建目标图以输出二值图,对二值图进行平滑处理以得到特征图像;将所述特征图像输入至神经网络模型,以输出图像元素提取结果。本发明提高了图像元素提取的清晰度和提取精度。

0本发明公开了一种考虑通信时延的基于方差缩减技术的分布式投影方法，包括如下步骤：步骤1、针对同时具备本地集合约束和本地等式约束的多智能化系统提出原始优化问题模型(1)；步骤2、将步骤1所得的原始优化问题模型(1)进行等价转换成便于分布处理的凸优化问题模型(2)；步骤3、提出基于方差缩减技术的分布式投影算法(3)解决带约束的凸优化问题模型(2)，即采用局部随机平均梯度无偏地估计局部全梯度，以此来减轻在每次迭代中计算所有局部目标函数的全梯度而导致的沉重的计算负担；步骤4、进行收敛性分析；本发明可以大幅度降低网络中所有智能体的计算成本，从而减轻整个多智能体系统的通信与计算压力，具有较高的实用性。

0本发明涉及一种基于侧抑制网络的红外图像处理方法，该方法具体包括以下步骤S1:求出图像每个像素点邻域内的局部熵，得到图像的局部熵矩阵；S2:根据整幅图像局部熵矩阵，求出矩阵最大值，然后构造度量算子；S3:求解抑制系数矩阵；S4:根据步骤S2和S3所得结果对红外图像进行处理，得到侧抑制网络输出。该方法根据图像突变区(包括边缘与细节)与平滑区(包括背景与噪声)在空域的不同特性，利用图像局部熵来构造一个度量算子，使侧抑制网络具有边缘识别能力，抗噪性强，并结合滤波机制，在增强图像的同时，对噪声也有抑制作用。