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！

龙图腾网获悉北京理工大学申请的专利一种数码迷彩伪装效果评估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：CN119762810B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411965399.7，技术领域涉及：G06V10/74；该发明授权一种数码迷彩伪装效果评估方法是由张金英;韩学磊;柳浩然;陈家琳;张睿恒设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本一种数码迷彩伪装效果评估方法在说明书摘要公布了：一种数码迷彩伪装效果评估方法，属于数码迷彩伪装领域。本发明实现方法为：利用航拍设备采集工作场景的背景图像，获取匹配工作背景的数码迷彩伪装图像；利用计算平台对背景图像和数码迷彩伪装图像做处理计算；选择包括灰度相似度、颜色相似度、纹理相似度、斑块尺寸相似度、边缘相似度和边缘融合度在内的多个参数指标；通过为所述指标分配权重，将所述指标融合成一个综合评价指标，根据综合评价指标评估数码迷彩伪装效果，实现定量解析高效率评估；根据子参数定量解析结果，指导伪装数码迷彩的设计和优化工作。

本发明授权一种数码迷彩伪装效果评估方法在权利要求书中公布了：1.一种数码迷彩伪装效果评估方法，其特征在于：包括如下步骤： S1、利用航拍设备采集实际工作场景的背景图像，同时获取匹配背景的数码迷彩伪装图像； S2、利用计算平台获取数码迷彩伪装图像的尺寸；确定数码迷彩伪装图像在原始背景图像中的目标伪装位置坐标，以此位置坐标为中心，在原始背景图像中划分出九宫格区域，每个子宫格长宽尺寸均与迷彩图像大小保持一致，该九宫格区域即为实际参与特征提取计算的背景图像； S3、将处理完毕的背景图像和数码迷彩伪装图像存入计算平台内，计算平台内包含用于评估数码迷彩伪装效果的多种评估参数模型，具体包括背景图像和数码迷彩伪装图像的灰度相似度SG、颜色相似度SC、纹理相似度ST、斑块尺寸相似度SP、边缘相似度SE、边缘融合度SH，上述指标按照一定权重参数进行融合： S＝a×SG+b×SC+c×ST+d×SP+e×SE+f×SH1 式中，a、b、c、d、e、f分别表示灰度相似度、颜色相似度、纹理相似度、斑块尺寸相似度、边缘相似度和边缘融合度的权重参数； 根据综合评价指标评估数码迷彩伪装效果，得到数码迷彩伪装评估结果，综合评价指标的输出范围在0,1，该值越大，表征伪装性能越好； S3具体实现方法为： S30、选取用于评估数码迷彩伪装效果的评估参数，评估参数包括背景图像和数码迷彩伪装图像的灰度相似度SG、颜色相似度SC、纹理相似度ST、斑块尺寸相似度SP、边缘相似度SE、边缘融合度SH； S31、所述灰度相似度SG通过下式得到： 灰度评估基于独立对比原则，将背景图像与数码迷彩伪装图像分别缩放至相同尺寸，并转换为灰度图像，然后将两幅图像缩放至同等尺寸，构建各自的灰度直方图，计算两个灰度直方图的交集数据，然后将所有灰度等级的交集数据与图像的像素总和进行比例运算，得到灰度相似度如式2所示； 式中，NG-ti表示数码迷彩伪装图像灰度直方图中第i灰度值的像素数量，NG-bi表示背景图像灰度直方图中第i灰度值的像素数量；i表示灰度等级，最大输出为256级； 灰度相似度SG的输出范围在0,1，该值越大，表征数码迷彩伪装图像和背景图像的灰度特征更加相似； S32、所述颜色相似度SC通过下述方法得到： 颜色评估基于独立对比原则，将背景图像与数码迷彩伪装图像分别缩放至相同尺寸，并转换到HSV空间，根据实际需求对色彩进一步量化，量化公式如式345所示； 式3中，h表示量化前的色相值，H表示量化后的色相值，NH-1是量化后的色相最大输出值，Cp表示量化前色相的区间偏置值；式4中，v表示量化前的饱和度值，V表示量化后的饱和度值，NV-1是量化后的饱和度最大输出值，k1,k2,···是量化前饱和度的区间边界值；式5中，s表示量化前的明度值，S表示量化后的明度值，NS-1是量化后的明度最大输出值，k1,k2,···,是各区间的边界值；其中V和S的量化区间边界值一致；按照式6将颜色分量合成为一维矢量； L＝9H+3S+V6 颜色种类L的区间变为9NH+3NV+NS-12种颜色，构造L的颜色分布直方图，计算背景图像与数码迷彩伪装图像的交集数据，然后将交集数据与图像的像素总和进行比例运算，得到颜色相似度如式7所示； 式中，NL-tj表示数码迷彩伪装图像颜色直方图中第j种颜色的像素数量，NL-bj表示背景图像颜色直方图中第j种颜色的像素数量；j表示颜色类别，计算得最大种类数量为9NH+3NV+NS-12种； 颜色相似度SC的取值范围在0,1，该值越大，表征数码迷彩伪装图像和背景图像的颜色特征更加相似； S33、所述纹理相似度ST通过下述方法得到： 纹理评估基于独立对比原则，将背景图像与数码迷彩伪装图像缩放至相同尺寸，并分别转换为灰度图像，再按照m×m的尺寸分别将两个图像分成子块，并按照从左到右，从上到下的顺序，将所有子块重新排列为一维序列；随后分别对两个图像的所有子块进行一阶二维离散小波变换，得到cA1k、cH1k、cV1k、cD1k分量，cA1k为第k个子块的一阶近似系数，cH1k为第k个子块的一阶水平细节系数，cV1k为第k个子块的一阶垂直细节系数，cD1k为第k个子块的一阶对角细节系数，此外分别用cA1、cH1、cV1、cD1表示整幅图像的一阶近似、水平、垂直和对角系数；根据实际需要进一步对两幅图像的cA1小波分量进行多阶二维离散小波变换，用cAn、cHn、cVn、cDn分别表示图像第n阶次的4个分量；根据式8910提取第k个子块的三个一阶参数作为纹理特征； C31k＝|cA1|10 式中，C11k为一阶空间频率比参数，表示第k个子块的一阶高频分量和一阶低频分量的比值，用来衡量纹理的空间频率高低；C21k为一阶极化方向比参数，表示第k个子块的一阶横向分量和一阶纵向分量的比值，用来衡量纹理的极化方向；C31k为一阶低频能量度参数，表示第k个子块的纹理的一阶低频能量，作为块与块之间对比度的衡量依据；对图像所有块的分量汇总得到图像的一阶C11、C21、C31参数，计算如式111213所示； 若对背景图像与数码迷彩伪装图像进行多阶二维离散小波提取，则得到特征序列[C11,C12,……,C1n]，[C21,C22,……,C2n]，[C31,C32,……,C3n]；定义纹理相似度评价指标，具体计算公式如式14151617所示； 式中，d1、d2和d3分别表示数码迷彩伪装图像和背景图像的空间频率比差异值、极化方向比差异值和低频能量度差异值，分别表示第n阶数码迷彩伪装图像和背景图像的空间频率比、极化方向比和低频能量度参数； 纹理相似度ST输出范围为0,1，该值越大，表示数码迷彩伪装图像和背景图像的纹理特征更加相似； S34、所述斑块尺寸相似度SP通过下述方法得到： 将背景图像和数码迷彩伪装图像分别转换为灰度图像，选取多组阈值，将灰度图像分别转换为二值图像；统计当前背景二值图像的连通区域的数量，作为斑块数量，背景二值图像中的最小斑块区域面积为AP-b-min，统计数码迷彩伪装二值图像的连通区域的数量，其中最小斑块面积为AP-t-min；随后分别对背景二值图像和数码迷彩伪装二值图像进行形态学运算，具体顺序为：图像形态开运算，图像形态闭运算，中间运算过程所需的结构元素中半径参数RSE由式18计算得到； 数码迷彩伪装图像的斑块尺寸会大于背景图像的板块尺寸，因此选择合适的结构元素半径具有重要意义；形态学计算处理之后，重新统计背景二值图像和数码迷彩伪装二值图像的连通区域斑块尺寸数据，分别找出最大斑块的面积；斑块尺寸相似度SP计算公式如式19所示； 式中，AP-b-max和AP-b-min表示背景二值图像的最大连通斑块面积和最小连通斑块面积，AP-t-max和AP-t-min表示数码迷彩伪装二值图像的最大连通斑块面积和最小连通斑块面积；就伪装效果而言，要求数码迷彩伪装二值图像中的最大斑块面积不得超过背景图像斑块，设置最佳比例参数为0.5，斑块尺寸相似度的输出范围在0,1，该值越大，表示数码迷彩伪装图像和背景图像的斑块尺寸比例特征更加相似； S35、所述边缘相似度SE通过下述方法得到： 边缘相似评估基于融合对比原则，将数码迷彩伪装图像置于背景图像的中心位置；然后根据需求选取背景图像和数码迷彩伪装图像对接边缘像素，对其实施Gabor滤波计算，得到边缘像素的平行能量|Ep|和正交能量|Eo|，平行能量代表连续边缘的模糊程度，正交能量表示非真实边缘的模糊程度；进一步，对每一个边缘像素计算边缘模糊比RE，如式20所示； 为准确评估边缘相似度，通过选取多组角度和小波波长组合参数，计算得到边缘模糊比的综合数据RE-ALL，计算结果如式21所示； 式中，angle表示Gabor滤波计算的角度偏置，备选值如式22计算得到；wavelength表示Gabor滤波计算的小波波长参数，备选值如式23计算得到； 式中，p和q均表示正整数，angle根据计算的复杂度灵活取值，wavelength表示参与计算的像素的长宽尺寸中的较小值； 进一步地，依据式21得到的模糊比综合数据，计算所有边缘像素模糊比的平均值，即得到局部信息边缘相似度SE，计算如式24所示； 式中，NE表示边缘像素数量；边缘相似度参数是测量边缘轮廓的虚假边缘和真实边缘轮廓的比值，该值取值0-1之间，边缘相似度SE值越大，代表背景图像和数码迷彩伪装图像的边缘相似度越高； S37、所述边缘融合度SH通过下述方法得到： 边缘融合评估基于融合对比原则，将数码迷彩伪装图像置于背景图像的中心位置，随后将融合图像转换为灰度图像，然后根据实际需求选择合适的阈值，将灰度图像转换为二值图像；取背景二值图像与数码迷彩伪装二值图像的对接部分二值区域，宽度根据实际需求而定；边缘融合评估原理基于数码迷彩伪装图像对接边缘的对原背景图像对接边缘的破坏程度，用图像的边缘密度差异去衡量对接边缘的破坏程度；背景图像和数码迷彩伪装图像的边缘密度参数越接近，则表征伪装效果较好，反之相差较大，则对对接边缘的破坏程度较小，为伪装效果较差；背景图像和数码迷彩伪装图像对接区域的边缘密度计算如式2526所示； 式中，NH-b表示背景图像对接区域中边缘的数量总和，AH-b表示背景图像对接区域的像素数量；NH-t表示数码迷彩伪装图像对接区域中边缘的数量总和，AH-t表示数码迷彩伪装图像对接区域的像素数量；边缘融合度SH的计算方法如式27所示； 边缘融合度SH的计算结果范围为0,1，该值越大，表示数码迷彩伪装图像和背景图像的伪装边缘融合特性更为出色； S38、根据步骤S31～S37，根据式1所述的综合评价指标评估数码迷彩伪装效果，得到数码迷彩伪装评估结果，综合评价指标的输出范围在0,1，该值越大，表征伪装性能越好。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街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”。

以上内容由龙图腾AI智能生成。