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！

龙图腾网获悉西安理工大学申请的专利基于图像清晰度评价的表面凹凸识别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：CN120318307B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510779668.9，技术领域涉及：G06T7/64；该发明授权基于图像清晰度评价的表面凹凸识别方法是由史卫朝设计研发完成，并于2025-06-12向国家知识产权局提交的专利申请。

本基于图像清晰度评价的表面凹凸识别方法在说明书摘要公布了：本发明公开了基于图像清晰度评价的表面凹凸识别方法，通过工业相机采集物体表面单幅图像，对图像进行灰度化处理，并利用小波变换消除图像噪点和量化误差；采用改进的Tenengrad梯度算子获取图像清晰度特征，生成归一化的Tenengrad梯度图像；利用改进Otsu算法确定Tenengrad梯度图像的最优阈值，对Tenengrad梯度图像进行二值化分割，其中梯度值小于等于最优阈值的像素为凹区域；构建表面深度估计模型，通过Tenengrad梯度与高度关系完成凹凸区域深度的估算。本发明描述了图像清晰度特征和表面凹凸性之间关系；能够通过图像清晰度快速准确地识别物体表面的凹凸区域；具有较高的计算精度。

本发明授权基于图像清晰度评价的表面凹凸识别方法在权利要求书中公布了：1.基于图像清晰度评价的表面凹凸识别方法，其特征在于，采集物体表面单幅图像，对图像进行灰度化处理，并利用小波变换消除图像噪点和量化误差；采用改进的Tenengrad梯度算子获取图像清晰度特征，生成归一化的Tenengrad梯度图像；利用改进Otsu算法确定Tenengrad梯度图像的最优阈值，对Tenengrad梯度图像进行二值化分割，其中梯度值小于等于最优阈值的像素为凹区域；构建表面深度估计模型，通过Tenengrad梯度与高度关系完成凹凸区域深度的估算； 改进的Tenengrad梯度算子采用多尺度梯度融合方法，通过3×3、5×5、7×7多尺度Sobel算子组合计算图像的梯度幅值，结合高斯金字塔多层级特征，生成归一化Tenengrad梯度图像，并采用引导滤波平滑局部梯度突变，避免纹理干扰； 改进的Otsu算法是在传统类间方差最大化的基础上，引入空间连续性约束，且根据图像梯度分布直方图，排除前5%极高梯度值，即异常噪点，确定最优阈值； 具体按照以下步骤实施： 步骤1：利用工业相机获取物体表面的单幅图像，对采集的图像进行灰度化处理，并运用小波变换对灰度图像进行消噪和量化误差处理生成预处理图像； 步骤2：采用改进的Tenengrad梯度算子对预处理图像进行计算，获取图像清晰度特征，归一化Tenengrad梯度算子结果，生成Tenengrad梯度图像；具体如下： 采用改进的Tenengrad梯度算子获取图像清晰度特征，即： 其中，G x s ,G y s为第s尺度下的Sobel算子，即s=1，Sobel核尺寸为3×3；s=2，Sobel核尺寸为5×5；s=3，Sobel核尺寸为7×7，I s x,y为高斯金字塔第s层图像，α s为权重系数、α s取值是0～1； 对Tenengrad梯度算子结果进行归一化处理，生成Tenengrad梯度图像，即： 其中，Tx,y表示位置x,y处梯度值，T min和T max分别表示Tenengrad梯度图像中的最小梯度值和最大梯度值，T normx,y表示归一化后的Tenengrad梯度图像在位置x,y处的梯度值； 采用引导滤波对归一化结果进行局部梯度突变的平滑处理，表示为： 其中，T smoothx,y表示平滑后的梯度图像在位置x,y处的梯度值，Ωx,y表示以像素点x,y为中心的局部邻域窗口，λ为归一化因子、表示邻域内权重系数和的倒数，为引导滤波的权重系数，即： 其中，表示局部邻域窗口Ωx,y内梯度值的平均值，α为调节参数、α是大于0的常数； 步骤3：利用改进的Otsu算法确定Tenengrad梯度图像的最优阈值，并根据最优阈值对Tenengrad梯度图像进行二值化分割，识别凹凸区域； 步骤4：分析Tenengrad梯度与表面高度的映射关系，构建表面深度估计模型，将步骤2计算的Tenengrad梯度数据输入表面深度估计模型获取凹凸区域的深度值。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。