買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉西安理工大學申請的專利基于圖像清晰度評價的表面凹凸識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120318307B 。

龍圖騰網通過國家知識產權局官網在2025-08-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510779668.9，技術領域涉及：G06T7/64；該發明授權基于圖像清晰度評價的表面凹凸識別方法是由史衛朝設計研發完成，并于2025-06-12向國家知識產權局提交的專利申請。

本基于圖像清晰度評價的表面凹凸識別方法在說明書摘要公布了：本發明公開了基于圖像清晰度評價的表面凹凸識別方法，通過工業相機采集物體表面單幅圖像，對圖像進行灰度化處理，并利用小波變換消除圖像噪點和量化誤差；采用改進的Tenengrad梯度算子獲取圖像清晰度特征，生成歸一化的Tenengrad梯度圖像；利用改進Otsu算法確定Tenengrad梯度圖像的最優閾值，對Tenengrad梯度圖像進行二值化分割，其中梯度值小于等于最優閾值的像素為凹區域；構建表面深度估計模型，通過Tenengrad梯度與高度關系完成凹凸區域深度的估算。本發明描述了圖像清晰度特征和表面凹凸性之間關系；能夠通過圖像清晰度快速準確地識別物體表面的凹凸區域；具有較高的計算精度。

本發明授權基于圖像清晰度評價的表面凹凸識別方法在權利要求書中公布了：1.基于圖像清晰度評價的表面凹凸識別方法，其特征在于，采集物體表面單幅圖像，對圖像進行灰度化處理，并利用小波變換消除圖像噪點和量化誤差；采用改進的Tenengrad梯度算子獲取圖像清晰度特征，生成歸一化的Tenengrad梯度圖像；利用改進Otsu算法確定Tenengrad梯度圖像的最優閾值，對Tenengrad梯度圖像進行二值化分割，其中梯度值小于等于最優閾值的像素為凹區域；構建表面深度估計模型，通過Tenengrad梯度與高度關系完成凹凸區域深度的估算； 改進的Tenengrad梯度算子采用多尺度梯度融合方法，通過3×3、5×5、7×7多尺度Sobel算子組合計算圖像的梯度幅值，結合高斯金字塔多層級特征，生成歸一化Tenengrad梯度圖像，并采用引導濾波平滑局部梯度突變，避免紋理干擾； 改進的Otsu算法是在傳統類間方差最大化的基礎上，引入空間連續性約束，且根據圖像梯度分布直方圖，排除前5%極高梯度值，即異常噪點，確定最優閾值； 具體按照以下步驟實施： 步驟1：利用工業相機獲取物體表面的單幅圖像，對采集的圖像進行灰度化處理，并運用小波變換對灰度圖像進行消噪和量化誤差處理生成預處理圖像； 步驟2：采用改進的Tenengrad梯度算子對預處理圖像進行計算，獲取圖像清晰度特征，歸一化Tenengrad梯度算子結果，生成Tenengrad梯度圖像；具體如下： 采用改進的Tenengrad梯度算子獲取圖像清晰度特征，即： 其中，G x s ,G y s為第s尺度下的Sobel算子，即s=1，Sobel核尺寸為3×3；s=2，Sobel核尺寸為5×5；s=3，Sobel核尺寸為7×7，I s x,y為高斯金字塔第s層圖像，α s為權重系數、α s取值是0～1； 對Tenengrad梯度算子結果進行歸一化處理，生成Tenengrad梯度圖像，即： 其中，Tx,y表示位置x,y處梯度值，T min和T max分別表示Tenengrad梯度圖像中的最小梯度值和最大梯度值，T normx,y表示歸一化后的Tenengrad梯度圖像在位置x,y處的梯度值； 采用引導濾波對歸一化結果進行局部梯度突變的平滑處理，表示為： 其中，T smoothx,y表示平滑后的梯度圖像在位置x,y處的梯度值，Ωx,y表示以像素點x,y為中心的局部鄰域窗口，λ為歸一化因子、表示鄰域內權重系數和的倒數，為引導濾波的權重系數，即： 其中，表示局部鄰域窗口Ωx,y內梯度值的平均值，α為調節參數、α是大于0的常數； 步驟3：利用改進的Otsu算法確定Tenengrad梯度圖像的最優閾值，并根據最優閾值對Tenengrad梯度圖像進行二值化分割，識別凹凸區域； 步驟4：分析Tenengrad梯度與表面高度的映射關系，構建表面深度估計模型，將步驟2計算的Tenengrad梯度數據輸入表面深度估計模型獲取凹凸區域的深度值。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西安理工大學，其通訊地址為：710048 陜西省西安市碑林區金花南路5號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。