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！

龙图腾网获悉北京工业大学申请的专利一种基于兴趣区域多纹理特征融合的图像质量评价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：CN115511814B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202211139826.7，技术领域涉及：G06T7/00；该发明授权一种基于兴趣区域多纹理特征融合的图像质量评价方法是由李建强;刘朝磊;刘小玲;赵琳娜;刘素芹设计研发完成，并于2022-09-20向国家知识产权局提交的专利申请。

本一种基于兴趣区域多纹理特征融合的图像质量评价方法在说明书摘要公布了：一种基于兴趣区域多纹理特征融合的图像质量评价方法属于计算机视觉领域。本发明有针对性的关注局部花粉颗粒的纹理信息作为整张图像的质量分数。该模型的流程模块包括图像预处理模块、局部花粉颗粒提取模块、多纹理特征量化指标提取模块和质量评价最终得分模块。结果显示，我们提出的流程和解决方案关注局部花粉颗粒感兴趣区域的效果，可以更好感知花粉数据的质量。

本发明授权一种基于兴趣区域多纹理特征融合的图像质量评价方法在权利要求书中公布了：1.一种基于兴趣区域多纹理特征融合的图像质量评价方法，其特征在于包括以下步骤： 步骤1：图像预处理 将大尺度图像进行裁剪、筛选，获取多层最优尺寸花粉图像；之后对其进行图像配准操作，最终获得花粉颗粒在空间位置上的对准的多层最优尺寸花粉图像； 步骤2：局部花粉颗粒提取 针对最优尺寸花粉图像中所有的局部花粉颗粒感兴趣区域进行提取，此步骤输入为最优尺寸花粉图像，输出结果是最优尺寸花粉图像中所有花粉颗粒图像； 步骤2.1图像去噪：首先，进行平滑花粉颗粒图像的操作，目的是减少图像中的噪声点；然后去除花粉图像中背景噪声的效果； 步骤2.2边缘检测：首先计算图像梯度幅度和方向，得到可能的边缘集合；其次对梯度幅度进行非极大值抑制，利用双阈值筛选的操作去除假阳性； 步骤2.3检测圆形轮廓：在上一步边缘检测的基础上，利用霍夫变换调整阈值检测类圆形轮廓的方法检测花粉图像中类圆形目标物，最终获取到类圆形的花粉颗粒、气泡和杂质； 步骤2.4排除气泡与杂质：将RGB颜色空间转换到HSV颜色空间，设定0,0,100到180,30,255阈值范围，筛选出花粉颗粒； 步骤2.5收集花粉颗粒：首先计算包含花粉轮廓的最小矩形，然后收集花粉图像中的最小矩形，最终得到所有花粉颗粒图像；将一张花粉图片中所有局部花粉颗粒图像的总数设为L_sum； 步骤3：多纹理特征量化指标提取 运用多种不同的纹理方法提取纹理特征指标；此模块的输入是上一阶段得到的花粉颗粒图像，输出是花粉颗粒图像中提取的归一化后的纹理特征指标； 步骤3.1图像灰度转换：首先将花粉颗粒图像灰度化，为下一步纹理特征的提取做准备； 步骤3.2多纹理特征提取：由于不同纹理提取方法提取的纹理特征不同，效果也不相同；选取了更能突出纹理效果的指标作为纹理特征提取指标；这些指标包括Tamura纹理特征中粗糙度和对比度，GLRLM中的高灰度运行强调、短期高灰度强调、长期低灰度强调，基于灰度共生矩阵GLCM的二阶统计中的对比度、相异性、同质性； 正相关指标包括：Tamura纹理特征中的对比度，GLRLM中的高灰度运行强调、短期高灰度强调，基于灰度共生矩阵GLCM的二阶统计中的对比度、相异性； 负相关指标包括：Tamura纹理特征中粗糙度，GLRLM中的长期低灰度强调，基于灰度共生矩阵GLCM的二阶统计中的同质性； 此外，针对GLRLM和GLCM中选取的指标取不同方向的均值；因为不同方向上提取到的纹理信息内容不相同，反映的情况也不相同，所以选取了四个不同的方向提取纹理信息，综合的反映花粉颗粒的纹理特征信息； Tamura纹理特征中粗糙度描述花粉颗粒图像的粗糙程度；基元重复次数越少，粗糙程度越大；具体计算方法如下： 式1中，Akx,y代表大小为2kx2k的矩形窗口中每个象素点的亮度均值，x,y代表所选窗口在整张图像中的位置，gi,j代表选定窗口中第i,j点的象素亮度值，k值确定象素范围； Ek,h＝|Akx+2k-1,y-Akx-2k-1,y|2 Ek,v＝|Akx,y+2k-1-Ax,y-2k-1|3 bestx,y＝24 ＝Emax＝maxE,E,…,E5 式2中，Ek,h代表像素点对应水平方向的差值；式3中，Ek,v代表像素点对应垂直方向的差值；式4中，Sbest代表能使E值达到最大的最佳尺寸；E代表任何方向都能使E达到最大值的k，如式5所示；式6中，花粉图像的粗糙度Fcrs通过计算整张图像中Sbest的平均值得到；其中，m和n为图像的长度和宽度； Tamura纹理特征中对比度描述花粉颗粒图像中明暗区域的亮度差异；象素的差异范围越大，对比度越大；具体计算方法如下： 式7中，σ代表图像灰度值的标准方差，α表示图像灰度值的峰态，其中，为四阶矩均值，σ为图像灰度值的方差； GLRLM中的高灰度运行强调HGRE描述花粉颗粒图像灰度值的分布情况；高灰度值分布越多，值越大；具体公式如下： 式8中，pi,jθ代表灰度游程矩阵，θ这里取1、2、3、4，分别代表0°、45°、90°和135°；L代表不同方向的灰度游程矩阵的个数；i,j|θ点代表灰度为i的像素在图像θ方向连续出现j次的计数，Ng表示图像上的灰度级数目，Nr表示图像上不同游程的数目； GLRLM中的短期高灰度强调SRHGE描述花粉颗粒图像中灰度级和游程长度的特征；游程长度短，高灰度值分布多，SRHGE值越大；具体公式如下： 式9中，pi,jθ代表灰度游程矩阵，θ这里取1、2、3、4，分别代表0°、45°、90°和135°；L代表不同方向的灰度游程矩阵的个数；i,j|θ点代表灰度为i的像素在图像θ方向连续出现j次的计数，Ng表示图像上的灰度级数目，Nr表示图像上不同游程的数目； GLRLM中的长期低灰度强调LRLGE描述花粉颗粒图像中灰度级和游程长度的特征；游程长度长，低灰度值分布多，LRLGE值越大；具体公式如下： 式10中，pi,j|θ代表灰度游程矩阵，θ这里取1、2、3、4，分别代表0°、45°、90°和135°；L代表不同方向的灰度游程矩阵的个数；i,j|θ点代表灰度为i的像素在图像θ方向连续出现j次的计数，Ng表示图像上的灰度级数目，Nr表示图像上不同游程的数目； 灰度共生矩阵二阶统计中的对比度反映图像的清晰度和纹理的沟纹深浅；对比度越大，纹理越深，呈现的图像越清晰； 式中，Pg1,g2h表示每一个点对的灰度值，其中，h代表不同的方向，这里取1、2、3、4，分别表示0°、45°、90°、135°；H表示针对不同方向提取的共生矩阵的个数，g1,g2代表灰度共生矩阵的位置坐标； 灰度共生矩阵二阶统计中的相异性，花粉颗粒图像的纹理越清晰，相异性的值越大，具体公式如下： 式中，Pg1,g2h表示每一个点对的灰度值，其中，h代表不同的方向，这里取1、2、3、4，分别表示0°、45°、90°、135°；H表示针对不同方向提取的共生矩阵的个数，g1,g2代表灰度共生矩阵的位置坐标； 灰度共生矩阵二阶统计中的同质性，花粉颗粒图像的纹理越清晰，同质性的值越小；具体公式如下： 式中，Pg1,g2h表示每一个点对的灰度值，其中，h代表不同的方向，这里取1、2、3、4，分别表示0°、45°、90°、135°；H表示针对不同方向提取的共生矩阵的个数，g1,g2代表灰度共生矩阵的位置坐标； 步骤3.3归一化纹理指标：为了消除奇异样本数据引起的不良影响，对上一步提取到的纹理指标做sigmoid归一化处理，将各个纹理指标的数值控制在0-1之间；sigmoid函数具体公式如下所示： 式14中，x代表归一化前的数值，fx代表归一化之后的数值； 步骤4：质量评价最终得分 将上一步得到花粉颗粒的纹理特征指标进行均权整合，将其作为单张花粉颗粒的质量分数；然后，将花粉图像中所有的花粉颗粒的质量分数进行均权累加，将其作为整张花粉图像的质量分数； 步骤4.1计算单张花粉颗粒图像的质量分数：为了通过花粉颗粒的纹理信息感知其质量信息，将从不同纹理方法中挑选的纹理指标根据权值均分的原则进行合并；其中，正相关指标取正值，负相关指标取负值；将合并之后的纹理量化指标作为单张花粉颗粒图像的质量分数； 式15中，s_iqal代表整张图像中第l张局部花粉颗粒图像的质量分数，S_num代表纹理指标的总数；Fcon、HGRE、SRHGLE、CON、DIS代表纹理指标中的正相关指标；Fcrs、LRLGLE、Homo代表纹理指标中的负相关指标；fFcon、fFcrs、fHGRE、fSRHGLE、fLRLGLE、fCON、fDIS、fHomo代表归一化之后的纹理指标量化值； 步骤4.2计算质量总分：为了得到整张花粉图像中质量分数，将花粉图像中每张局部花粉颗粒图像的质量分数进行加权平均求和，最终将其作为花粉图像的质量分数； 式16中，iqa代表整张图像的质量分数，s_iqal代表整张图像中第l张局部花粉颗粒图像的质量分数，L_sum代表整张图像中单颗花粉颗粒图像的数量。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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。