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！

龙图腾网获悉江苏理工学院申请的专利一种夜间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：CN115700800B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202211022406.0，技术领域涉及：G06V10/80；该发明授权一种夜间图像质量评价方法是由肖淑艳;张平;陶为戈;潘玲佼;吴全玉;程钦;王永星设计研发完成，并于2022-08-25向国家知识产权局提交的专利申请。

本一种夜间图像质量评价方法在说明书摘要公布了：本发明提出了一种夜间图像质量评价方法。首先通过下采样获取不同尺度的夜间图像，然后把原始图像和下采样后的图像序列同时送入到特征提取单元；在特征提取阶段，提取了与质量相关的两类特征：底层视觉特征和高层语义特征。底层视觉特征包括夜间图像的纹理特征和对比度特征；对于高层语义特征，首先利用深度卷积网络提取夜间图像一级高级语义特征，然后采用均值和方差两种特征函数对一级高级语义特征进行聚合，得到二级高级语义特征作为夜间图像的最终高层语义特征。接着对提取的底层特征和高层特征进行聚合。最后，采用偏最小二乘回归法将聚合后的特征进行回归，从而得到夜间图像质量的客观评分。

本发明授权一种夜间图像质量评价方法在权利要求书中公布了：1.一种夜间图像质量评价方法，包括： 步骤1，多尺度表示， 把原始的夜间图像表示为，对所述原始夜间图像进行下采样得到，把包括把和的图像序列送到特征提取单元进行特征提取，夜间图像的多尺度特征表示为： 1， 其中，为从原始夜间图像提取的特征，是从提取的特征，是拼接运算符； 步骤2，特征提取：包括底层视觉特征和高层语义特征的提取，其中底层的视觉特征包括使用灰度共生矩阵提取的纹理特征和使用彩色-灰度直方图提取的对比度特征，高层语义特征是从ResNet-50网络模型中提取的； 所述对比度特征提取指使用图像的局部直方图来表示图像的局部对比度信息的变化，使用，和分别表示图像的红、绿和蓝三个通道分量，表示的灰度图像；灰度直方图表示图像不同灰度级的频率分布；灰度图像在灰度级的灰度直方图记为，表示中灰度级为的总像素数； 6， 其中表示图像像素集合，表示克罗内克函数，的范围为0~255，表示图像的灰度级；表示了图像亮度从黑到白的分布；图像的彩色直方图表示如下： 7， 其中表示图像的三个颜色通道，彩色直方图表示各个颜色分量的灰度级频率分布；图像的RGB直方图表示为： 8， 彩色直方图减去灰度直方图得到彩色-灰度-差异直方图如公式9所示， 9， 在整个图像中随机选取一组图像块，然后计算每个图像块的直方图来描述图像的局部变化，图像块的CGD直方图表示如下： 10， 其中，矩阵彩色-灰色-差异直方图的集合，是一个的矩阵，表示图像块的个数， 得到矩阵后，使用主成分分析法对进行降维，具体的步骤如下： 1对进行标准化处理，将中的每个元素减去该列的平均值，得到一个新的矩阵； 矩阵的列均值表示为式： 11， 生成一个零均值的数据矩阵表示为： 12， 2计算协方差矩阵； 13， 3计算的特征值和对应的特征向量，特征值从大到小排列为，依照特征值的顺序排列特征向量为； 4选取前个特征值，把前个特征值对应的特征向量作为局部图像块的直方图矩阵； 夜间图像的低层特征表示为： 14， 步骤3，多层特征聚合：把所述步骤2中提取的底层视觉特征和高层语义特征进行拼接操作； 步骤4，采用偏最小二乘回归法将步骤3中聚合后的特征进行回归，从而得到夜间图像质量的客观评分。

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江苏理工学院，其通讯地址为：213001 江苏省常州市中吴大道1801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。