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！

龙图腾网恭喜福州大学申请的专利一种基于层级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：CN116486245B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202310396890.1，技术领域涉及：G06V20/05；该发明授权一种基于层级特征融合的水下图像质量评价方法是由陈炜玲;蓝锋泉;郑素梅;魏宏安;赵铁松设计研发完成，并于2023-04-14向国家知识产权局提交的专利申请。

本一种基于层级特征融合的水下图像质量评价方法在说明书摘要公布了：本发明涉及一种基于层级特征融合的水下图像质量评价方法。包括：S1、提出一种水下图像的全层次特征提取方法；S2、提出一种多特征融合方案，构建一种基于全层次特征的质量评价方法。本发明方法考虑水下图像具有任务导向的背景，即水下目标检测和识别，结合人脑视觉识别原理，提取了水下图像的层级特征，并使用几个参数密度模型有效捕获失真，综合提出一种无参考的水下图像评价方法。此方法不需要大量数据进行训练，使得决策过程更加简单。

本发明授权一种基于层级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：1.一种基于层级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、提出一种水下图像的全层次特征提取方法；具体包括以下步骤：S11、从低层次提取图像信息，分析图像的清晰度，并使用水下图像在变换域获取信息来评估图像质量；具体为统计水下图像的变换域系数的局部信息量规律；首先计算m×m图像块的变换域系数矩阵D，并将变换域系数归一化，得到一个谱概率图： 其中1i≤m，1j≤m；其次计算每个图像块的信息量为： 每张图像都匹配一个信息量矩阵；对变换域系数局部信息量矩阵采用瑞利分布或者高斯分布fx1；θ进行拟合，其中，x1代表要拟合的变换域局部信息量，θ代表分布参数，取θ2作为清晰度特征f1：f1＝θ2S12、从图像中提取中层次信息，利用非经典感受野的外周抑制作用，并结合经典边缘检测方法，由此获取轮廓信息；提取梯度幅度Mδx,y，并利用高斯差值计算抑制权重Wδx,y；由于水下图像的边缘不丰富，所以只考虑距离对外周抑制的影响；各向同性抑制项tδx,y定义为梯度幅度与抑制权重的卷积，最终轮廓算子Cδx,y的计算为：Cδx,y＝max{[Mδx,y-γtδx,y],0}其中，γ是用以控制轮廓信息的影响因子；接着计算抑制后图像的MSCN系数MSCN系数的定义如下： 其中，Ii,j对应中心像素的强度，μi,j和σi,j分别对应当前局部区域的均值和标准差，C＝1为常数，防止分母为零；根据直方图，选取广义高斯分布捕获水下图像系数的统计规律，广义高斯分布的定义如下： 其中Γ·是gamma函数，x2对应MSCN系数，α对应均值，δ2对应方差，取α,δ2作为第二组特征；由于均值和方差是相互独立的，所以将其合并为特征f2： S13、从图像中提取高级语义信息，从深度学习模型中提取全连接层并映射成一个分数，选取熵、峰度、偏度三种特征信息平衡信息量和特征空间维数；由于这三个特征是相同的维度，因此直接将它们组合在一起作为第三组特征f3：f3＝entropy+skewness+kurtosis 其中，entropy为熵，skewnes为偏度，kurtosis为峰度；n为全连接层的维数，Pi,j为每个值的概率，x3和x4分别对应偏度和峰度的特征向量，α和δ对应均值、标准差，E·表示求均值；S2、提出一种多特征融合方案，构建一种基于全层次特征的质量评价方法；所述步骤S2具体为：利用高斯核函数对图像进行模糊处理，构造出一个图像尺度空间，并通过多次下采样得到多分辨率的图像，高斯核函数的定义如下： 其中，m'为核函数的中心，||m-m'||为向量m和向量m'的欧氏距离，ε控制高斯核函数的作用范围；通过将多尺度的图像特征进行非线性组合，确定最佳的多尺度融合质量指标； 其中，s为尺度参数，c为一个常数，f1i、f2i以及f3i对应的是特征f1、f2和f3在不同尺度参数下的值。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。