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！

龙图腾网获悉湖南文理学院申请的专利一种基于深度学习的低照度视频质量测量系统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：CN119919780B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510322505.8，技术领域涉及：G06V10/98；该发明授权一种基于深度学习的低照度视频质量测量系统是由彭易波;刘池;王珊;任盛;贺玉才;谭文学设计研发完成，并于2025-03-19向国家知识产权局提交的专利申请。

本一种基于深度学习的低照度视频质量测量系统在说明书摘要公布了：本发明涉及质量测量技术领域，尤其涉及一种基于深度学习的低照度视频质量测量系统。所述系统包括低照度视频帧处理模块、视频质量维度测量标注模块、视频质量模型预测模块以及预测误差损失优化模块，可利用视频采集设备实时采集对应的低照度视频数据并进行视频帧处理，同时进行视频指标测量和质量维度测量标注，得到低照度视频质量标注分数；利用卷积神经网络构建视频质量测量模型架构并进行模型训练优化和质量加权求和，以得到低照度视频质量预测分数；基于低照度视频质量标注分数以及低照度视频质量预测分数进行误差损失增强学习和视频质量评估测量，以输出对应的低照度视频质量综合测量分数。本发明能够实现对低照度视频质量的准确评估测量。

本发明授权一种基于深度学习的低照度视频质量测量系统在权利要求书中公布了：1.一种基于深度学习的低照度视频质量测量系统，其特征在于，包括以下模块： 低照度视频帧处理模块，用于通过在不同低照度场景下利用视频采集设备实时采集对应的低照度视频数据，并对低照度视频数据进行视频帧处理，以得到低照度视频标准帧图像集； 视频质量维度测量标注模块，用于对低照度视频标准帧图像集内的每一帧视频图像进行视频指标测量，以得到每一低照度视频帧对应的视频清晰度、视频噪声水平以及视频色彩还原度；基于每一低照度视频帧对应的视频清晰度、视频噪声水平以及视频色彩还原度对相对应的低照度视频进行质量维度测量标注，以得到低照度视频质量标注分数；其中，包括以下功能： 对低照度视频标准帧图像集内的每一帧视频图像进行多通道拆分，得到每一帧视频图像对应的R、G、B通道图像；通过每一帧视频图像对应的R、G、B通道图像获取每个通道对应的灰度均值以及灰度方差，并基于每个通道对应的灰度均值以及灰度方差对低照度视频标准帧图像集内的每一帧视频图像进行通道能量占比测量，以得到每一帧视频图像对应的通道图像能量占比；根据每一帧视频图像对应的通道图像能量占比对相对应的每一帧视频图像进行视频清晰度分析，以得到每一低照度视频帧对应的视频清晰度； 对低照度视频标准帧图像集内的每一帧视频图像进行噪声水平测量，以得到每一低照度视频帧对应的视频噪声水平；其中包括： 对低照度视频标准帧图像集内的每一帧视频图像进行图像局部区域划分，以得到每一帧视频图像对应的视频局部子区域； 对每一帧视频图像对应的视频局部子区域进行纹理分形维数计算，以得到每一帧视频图像对应的局部区域分形维数； 对每一帧视频图像对应的视频局部子区域进行局部像素方差计算，得到每一帧视频图像对应的局部区域像素方差； 基于每一帧视频图像对应的局部区域分形维数以及局部区域像素方差对低照度视频标准帧图像集内的每一帧视频图像进行噪声水平测量，以得到每一低照度视频帧对应的视频噪声水平； 对低照度视频标准帧图像集内的每一帧视频图像进行色彩还原度测量，以得到每一低照度视频帧对应的视频色彩还原度；其中包括： 对低照度视频标准帧图像集内的每一帧视频图像中对应的不同颜色区域进行色度坐标计算，以得到每一帧视频图像内不同颜色区域对应的色度坐标； 基于每一帧视频图像内不同颜色区域对应的色度坐标对低照度视频标准帧图像集内的每一帧视频图像中对应的不同颜色区域进行颜色饱和度测量，以得到每一帧视频图像内不同颜色区域对应的颜色饱和度； 对低照度视频标准帧图像集内的每一帧视频图像中对应的不同颜色区域进行色调分布统计，以得到每一帧视频图像内不同颜色区域对应的色调分布； 基于每一帧视频图像内不同颜色区域对应的颜色饱和度以及色调分布对低照度视频标准帧图像集内的每一帧视频图像进行色彩还原度测量，以得到每一低照度视频帧对应的视频色彩还原度； 基于每一低照度视频帧对应的视频清晰度、视频噪声水平以及视频色彩还原度对相对应的低照度视频进行质量维度测量计算，以得到低照度视频质量维度； 基于低照度视频质量维度对相对应的低照度视频进行质量维度体系标注，以将质量维度为0％-20％标注为1分，21％-40％标注为2分，41％-60％标注为3分，61％-80％标注为4分，81％-100％标注为5分，以得到低照度视频质量标注分数； 视频质量模型预测模块，用于利用卷积神经网络构建视频质量测量模型架构，并利用低照度视频标准帧图像集对视频质量测量模型架构进行模型训练优化，以生成基于深度学习的低照度视频测量模型，并输出每个视频帧质量维度对应的预测分数；基于每个视频帧质量维度对应的预测分数对相对应的低照度视频进行质量加权求和，以得到低照度视频质量预测分数；其中，包括以下步骤： 利用卷积神经网络构建视频质量测量模型架构，其中包括清晰特征提取分支、噪声特征提取分支以及全连接神经网络层； 按照7：2：1对应的划分比例将低照度视频标准帧图像集划分为训练集、验证集以及测试集； 将训练集输入至视频质量测量模型架构进行模型训练，并将随机梯度下降作为优化算法结合验证集不断调整模型对应的超参数，其中超参数包括学习率、批量大小以及网络层数，同时利用测试集进行模型性能优化，以生成基于深度学习的低照度视频测量模型，并通过在每一个全连接神经网络层输出每个视频帧质量维度对应的预测分数； 基于每个视频帧质量维度对应的预测分数对相对应的低照度视频进行质量加权求和，以得到低照度视频质量预测分数； 预测误差损失优化模块，用于基于低照度视频质量标注分数以及低照度视频质量预测分数对基于深度学习的低照度视频测量模型进行误差损失增强学习，以生成低照度视频测量综合模型；将低照度视频标准帧图像集重新输入至低照度视频测量综合模型进行视频质量评估测量，以输出对应的低照度视频质量综合测量分数。

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湖南文理学院，其通讯地址为：415000 湖南省常德市武陵区洞庭大道3150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”。

以上内容由龙图腾AI智能生成。