基于高阶奇异值分解的硅料溶化进程监测方法，先采用CCD照相机对硅料熔化过程进行实时的图像序列采集；用当前时刻之前的若干二维图像序列构成三维张量（tensor），对该张量进行高阶奇异值分解（HOSVD）得到用于表征之前熔化状态的基图像（Base Images）；然后，对当前硅料熔化所采集的图像与包含主要信息的基图像进行相关性计算，依据相关性的大小判定硅料溶化状态是否改变。本发明监测方法既能在初、中期硅料熔化状态背景较复杂的情况下检测出硅料的状态变化，又能在熔化后期很好区别硅料熔化状态的变化与熔液运动的噪声，实现了对硅料熔化进程的准确、有效监测。
📄 201310413096X
📂 G06T7_00
👤 西安理工大学
📅 2013-09-11
本发明公开了一种基于奇异值分解的二维正交匹配追踪优化算法，包括获取行测量矩阵、列测量矩阵、测量值、稀疏基和信号稀疏度；对两个测量矩阵执行SVD分解，更新测量矩阵和测量值，并初始化残差和索引集合以及优化后的传感矩阵，找到索引，计算信号的新近似；再进行更新残差，不断迭代，最后输出信号的估计值和索引集合。本发明实现了前端信息采集中的测量矩阵和后端重建中的重建矩阵的分离，适用于一般的可分离线性系统。对两个测量矩阵进行SVD分解，得到优化后的两个重建矩阵，有效地消除测量值之间的相关性，显著提高重建信噪比及算法的鲁棒性。并且由于在测量矩阵的设计中使用了可分离算子，可用于大尺度图像的重建过程。
📄 2018105530801
📂 H03M7_30
👤 安徽大学
📅 2018-05-31
本发明公开一种基于奇异值分解的彩色图像去色方法及系统，包括：获取具有三通道的彩色图像，并分别对彩色图像的各个通道图像进行奇异值分解，分别得到三通道的三组矩阵；分别将三组矩阵的S矩阵中的奇异值与其对应的 矩阵、矩阵中的正交向量进行矩阵重组，得到三组奇异值重组矩阵；根据某一通道的S矩阵中的各个奇异值的能量贡献，对某一道中的各个奇异值重组矩阵进行加权，得到某一通道的一组加权重组矩阵；基于预设的全局对比度权重对各组加权重组矩阵进行再次加权并融合，得到目标灰度化图像。能够在获取到全局对比度的情况下，捕捉到图像的局部特征及对比度信息，从而细化灰度化结果。
📄 2022115979122
📂 G06T3_00
👤 华东交通大学
📅 2022-12-14
本发明公开了一种基于多分辨率奇异值分解的大地电磁信噪分离方法及系统。该方法包括：获取实测大地电磁数据并分段；针对每一段大地电磁信号分别构造Hankel矩阵，并使用奇异值分解一层得到不同分辨率的近似信号和细节信号，利用不同分辨率的近似信号标准差和细节信号标准差的差值将大地电磁数据分为有用信号段或强干扰数据段；再利用多分辨率奇异值分解（MRSVD）算法分解每个强干扰数据段的近似信号得到大尺度噪声轮廓，并将强干扰数据段的信号减去对应的所述大尺度噪声轮廓得到有用信号段；将有用信号段和去噪后的数据段进行重构得到大地电磁有用信号。本发明所述方法引入MRSVD算法进行分解，分解误差小，能精细地保留更多的低频有用信号。
📄 202110821783X
📂 G01V3_40
👤 湖南师范大学
📅 2021-07-20
本发明公开了一种基于改进的变分模态和奇异值分解的变压器局部放电特高频信号去噪方法，包括以下步骤：采用特高频检测方法对变压器油纸绝缘局部放电信号进行采集，对采集来的局部放电信号进行变分模态分解。利用进化算法对变分模态分解算法参数进行优化，并引入峰度指标，对窄带噪声进行滤除。将滤除窄带噪声的信号进行奇异值分解。利用聚类算法改进奇异值分解算法中对奇异值的筛选过程，较好的滤除了白噪声。本发明具有精度高、去噪效果好、失真度小等特点，适用于对变压器油纸绝缘进行实时监测，局部放电信号检测等场合。
📄 2018109977871
📂 G01R31_12
👤 三峡大学
📅 2018-08-29
本发明公开了一种基于非负约束的奇异值分解压缩鬼成像方法及系统，属于计算鬼成像技术领域，将二维图像转化为一维信号后用测量矩阵投影得到观测向量；对测量矩阵进行奇异值分解，得到优化的观测向量和优化的测量矩阵；基于优化的观测向量和优化的测量矩阵，采用正交匹配追踪算法重建原始信号。本发明针对基于压缩感知的非负测量矩阵进行奇异值变换，对测量矩阵和观测向量进行优化，稀疏了测量矩阵中的0元素，然后采用正交匹配算法进行原始稀疏信号的重建，减少了测量次数，缩短了重建时间，提高了信号重建质量，增强了抗噪性能。
📄 2019103856914
📂 G06T5_00
👤 安徽大学
📅 2019-05-09
本发明公开了一种基于广义奇异值分解构造无线通信预编码器的方法，包括以下步骤：S1：通过Matlab进行无线信道的仿真并生成基于收发天线数量的数据集；S2：将所述数据集导入TensorFlow深度学习框架中进行预处理，将所述数据集划分为训练集和测试集并变换为向量形式；S3：通过TensorFlow深度学习框架搭建神经网络；S4：通过损失函数控制神经网络模型的收敛，计算网络损失以及准确率，并在网络收敛后导出模型权重；S5：载入训练后的模型权重以及经过预处理的所述测试集数据进行检测，得到输出矩阵，并计算系统速率指标。本发明比同类型求解系统预编码矩阵的方法能够做到更少的通道输入从而降低训练开销。
📄 2022108484784
📂 G06F17_16
👤 广州大学
📅 2022-07-19
本发明充分利用空域水印算法运行速度快及变换域水印算法鲁棒性高的优点,公开了一种融合奇异值分解（Singular Value Decomposition，SVD）的空域彩色数字图像盲水印方法。本发明无需在变换域中进行，而根据最大奇异值的独有特性，在空域中即可获得图像块的最大奇异值并利用该最大奇异值完成数字水印的嵌入与提取。本发明可以将彩色图像数字水印嵌入到彩色宿主图像中，不但具有较好的水印隐蔽性和较强的鲁棒性，而且具有很高的实时性，适用于快速、高效进行数字媒体版权保护的场合。
📄 2017104729584
📂 G06T1_00
👤 山东道万电气有限公司
📅 2017-06-21
已申报项目
本发明公开了一种基于张量奇异值分解的鲁棒视频水印方法，其在嵌入端，提取出原始视频中的每帧的亮度分量的LL子带，每三帧的LL子带组成一个第一三阶张量，每个第一三阶张量分子张量，彩色水印图像分子块，将每个子块的对角张量作为水印信息嵌入到对应的子张量中，进而得到含有水印子张量，最终得到含有水印的视频；在提取端，提取出含有水印的视频中的每帧的亮度分量的LL子带，每三帧的LL子带组成一个第二三阶张量，每个第二三阶张量分子张量，对每个子张量的对角张量进行处理，提取出水印信息，最终提取得到水印图像；优点是其将视频的时域信息和空域信息结合在一起，充分利用了视频的时空域之间的关系，鲁棒性好且不可感知性好。
📄 2019109939677
📂 H04N21_8358
👤 宁波大学科学技术学院
📅 2019-10-18
本发明利用频域数字水印算法鲁棒性强的优点，公开了一种基于矩阵奇异值分解(Singular Value Decomposition,SVD)的四元数彩色数字图像盲水印方法。本发明根据四元数表示的图像在奇异值分解后所得对角矩阵的特点，通过量化对角矩阵的最大特征值来完成彩色数字水印的嵌入与盲提取。本发明将彩色数字水印嵌入到彩色宿主图像中，不但具有较强的鲁棒性，而且具有较好的水印隐蔽性和较大的嵌入容量，解决了大容量彩色图像数字水印算法鲁棒性差的难题，适用于强鲁棒性的大容量数字媒体版权保护的场合。
📄 2021100594048
📂 G06T1_00
👤 鲁东大学
📅 2021-01-18
一种基于独立分量分析和奇异值分解的非局部TV图像去噪方法，为了减少噪声对像素相似度权重函数的干扰，提高像素相似度权重赋值的准确性，构建了一种基于待去噪图像中各领域图像块最大奇异值的新型像素相似度权重函数，用于NLTV模型，从而得到新的NLTV模型。通过新的NLTV方法对输入的唯一含噪图像u0进行初步去噪，得到另一含噪图像u1，把初步去噪图像u1认为是另一幅含噪输入图像，在获得的u1、u0基础上应用ICA方法对输入图像u0去噪，得到ICA方法去噪后的图像u2，提高了ICA在图像去噪领域的应用价值。为了得到更好的去噪效果，对图像u2再一次应用新的NLTV方法去噪，得到最后去噪图像ufinal。
📄 201611219204X
📂 G06T5_00
👤 浙江工业大学
📅 2016-12-26
柿子坊 · 知识产权运营
柿子坊知识产权运营平台