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！

龙图腾网获悉南京师范大学申请的专利一种基于颜色空间多特征融合的水下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：CN116402802B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202310390505.2，技术领域涉及：G06T7/00；该发明授权一种基于颜色空间多特征融合的水下图像质量评价方法是由杨曦晨;陈天海;李能鑫;刘存设计研发完成，并于2023-04-13向国家知识产权局提交的专利申请。

本一种基于颜色空间多特征融合的水下图像质量评价方法在说明书摘要公布了：本发明公开了一种基于颜色空间多特征融合的水下图像质量评价方法，包括：对水下图像进行颜色空间转换，将图像从RGB颜色空间转换到CIELab颜色空间；对颜色空间转换后得到的水下图像，在L分量、AB分量上进行图像数据特征提取，分别获取到L分量特征、AB分量特征，将L分量特征与AB分量特征进行组合，形成最终特征向量；根据最终特征向量，采用机器学习方法支持回归向量建立图像质量评价模型，通过图像质量评价模型获取到水下图像的质量评价。本发明采用基于图像结构与形态信息与SVR的水下图像质量评价方法，能够准确对水下图像的质量进行评价，具有客观、快速、以及稳定性强的优势，为水下图像的质量评价提供了科学的依据。

本发明授权一种基于颜色空间多特征融合的水下图像质量评价方法在权利要求书中公布了：1.一种基于颜色空间多特征融合的水下图像质量评价方法，其特征在于，包括如下步骤： S1：对水下图像进行颜色空间转换，将图像从RGB颜色空间转换到CIELab颜色空间； S2：对颜色空间转换后得到的水下图像，在L分量、AB分量上进行图像数据特征提取，分别获取到L分量特征、AB分量特征，将L分量特征与AB分量特征进行组合，形成最终特征向量； S3：根据最终特征向量，采用机器学习方法支持向量回归建立水下图像质量评价模型，通过图像质量评价模型获取到水下图像的质量评价； 步骤S2中L分量特征包括f-f四个特征，具体的提取方法为：将L分量图进行下采样，将L分量图与它的下采样图像计算MSCN系数，得到MSCN图，采用基于一致性的旋转不变LBP算子进行处理，得出LBP直方图作为特征f，对两张MSCN图进行非对称广义高斯分布模型拟合并计算峰态和偏态得出形态特征f；在L分量图上计算一至四阶矩统计量得到矩统计量特征f；根据L分量图得出对应的直方图，图像中像素点的范围为[0,100]统计这些数出现的频率，组距为10，得到的直方图就为亮度直方图特征f 步骤S2中AB分量特征包括f和f两个特征，具体的提取方法为： 在AB分量图上计算一至四阶矩统计量得到矩统计量特征f 基于AB分量图构建五个色彩描述图；分别为： 在五个色彩描述图上进行AGGD拟合并计算峰态与偏态，得到形态特征f 步骤S2中特征f的提取过程为： A1：对L分量图进行下采样，对于图像IM×N对其进行2倍下采样得到分辨率为M2*M2的下采样图； A2：对L分量图与它的下采样图求MSCN系数： 对于一副图像IM×N，对其进行去均值与归一化，得到其MSCN，即 其中：μx，y为高斯滤波后的结果，σx，y为标准差i∈{1,2，…，M}，j∈{1,2,3，…，N}，M、N分别是图像的高和宽，C是常数1，防止分母为0，变量μi，j和σi，j定义如下： w＝{wk，l|k＝-K，…，K，l＝-L，…，L} 式中w是一个从3个标准差K＝L＝3中采样并重新缩放到单位体积的二维循环对称高斯权函数； A3：将基于一致性的旋转不变局部二模式LBP算子应用到两个MSCN图，计算各像素点关系，设某像素点i，j的值为mij，则在其半径r内的P个相邻像素点的像素值为m0，m1，…，mp-1，首先，统计像素值关系的一致性，若相邻像素点像素值大于中心点像素值，用红色标记；否则，用白色标记，中心像素点i，j的相邻像素点中有三个连续像素点的像素值均大于中心点像素56，像素点i，j的关系值M_rij为3；中心像素点i，j的相邻像素点中存在不连续像素点的像素值均大于中心点像素值的情况，像素点i，j的像素关系值M_rij为p+1，即9；像素关系值M_rij的计算方法如下式所示： 式中P为像素点i，j的相邻像素点数目，mp为i，j第p个像素点的像素值；公式中f的计算方法如下式所示；uij为像素点i，j的相邻像素点的像素一致性参数，其计算方法如下式所示，由该式可知，当uij＝0时，i，j邻居像素点的像素值均小于或均大于i，j像素值；当uij＝2时，有连续若干个邻居像素点的像素值大于i，j像素值；当uij2时，存在不连续的邻居像素点像素值大于i，j像素值； 对图像的所有像素点均计算其与相邻像素之间关系，即可得到图像的关系图，可以有效的捕获图像的结构信息； 然后通过关系图得出图像对应的直方图，图像中像素点的关系值M_rij为区间[1,10]内的整数，统计这些整数出现的概率，即可得到水下图像LBP直方图特征f1； 步骤S2中特征f2的提取过程为： B1：对得到的两个MSCN图进行AGGD拟合： AGGD模型如下式所示，α控制着分布的形状，是尺度参数，分别控制着模型两侧的分布，η是分布的均值； 其中： B2：对两个MSCN图计算偏态S与峰态K，具体计算方法如下式所示： B3：将两个MSCN图通过AGGD拟合后的得到的形状参数α，左右尺度参数分布的均值η以及偏态S跟峰态K作为形态特征f2； 步骤S2中矩统计量特征f3的提取过程为： 对L分量计算它的一到四阶矩统计量，分别是一阶矩、二阶矩、三阶矩和四阶矩，通过如下公式计算： 其中，pi，j代表图像第j个像素的第i个颜色分量，N表示图像中的像素个数；将求到的四个矩统计量作为特征f3； 步骤S2中亮度直方图特征f4的提取过程为： C1：通过L分量图得出图像对应的直方图；图像中像素点的值pij为区间[0,100]内整数； C2：统计这些整数出现的概率，以组距为10画出直方图，对直方图做归一化，为最终亮度直方图特征f4。

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南京师范大学，其通讯地址为：210024 江苏省南京市鼓楼区宁海路122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。