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！

龙图腾网获悉东南大学申请的专利一种基于深度特征直方图的图像异常检测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：CN116385403B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202310361911.6，技术领域涉及：G06T7/00；该发明授权一种基于深度特征直方图的图像异常检测方法是由徐琴珍;陈延润;杨绿溪设计研发完成，并于2023-04-07向国家知识产权局提交的专利申请。

本一种基于深度特征直方图的图像异常检测方法在说明书摘要公布了：本发明公开了一种基于深度特征直方图的图像异常检测方法，包括：采集正常图像构建训练集并做预处理；对预处理后的训练集图像做特征提取；对提取到的特征做特征选择；对选择后的特征构建直方图异常检测模型；通过异常检测模型得到待测图像的异常评分图；对异常评分图做后处理，得到待测图像的异常检测和定位结果。与现有方法不同的是，本发明在图像深度特征的通道维度上构建直方图异常检测模型，避免了对像素位置的依赖，提高了算法在图像非对齐场景下的检测效果且大幅降低了对存储空间的占用。实验结果表明，本发明在图像级异常检测和像素级异常定位任务上均有较好的性能和鲁棒性。

本发明授权一种基于深度特征直方图的图像异常检测方法在权利要求书中公布了：1.一种基于深度特征直方图的图像异常检测方法，其特征在于，包括以下步骤： 步骤S1：采集正常图像构建训练集并做预处理； 步骤S2：对预处理后的训练集图像做特征提取； 步骤S3：对提取到的特征做特征选择； 步骤S4：对选择后的特征构建直方图异常检测模型； 步骤S5：通过异常检测模型得到待测图像的异常评分图； 步骤S6：对异常评分图做后处理，得到待测图像的异常检测和定位结果； 所述步骤S2的具体过程为： 步骤S21：使用预训练模型作为特征提取器，将训练集的每个图像i输入到预训练模型，获取预训练模型多个中间层输出的特征图；其中，中间层j输出的特征图为cj为特征图Fij的通道数，hj为特征图Fij的高度，wj为特征图Fij的宽度； 步骤S22：对于选定的每个中间层j，将特征图Fij上采样至cj×h0×w0，h0为选定的最浅层特征图的高度，w0为选定的最浅层特征图的宽度； 步骤S23：将上采样后的所有特征图按通道维度进行拼接，得到多尺度特征图其中，c＝∑jcj，表示多尺度特征图Fi的通道数； 步骤S24：保持通道维度不变，将多尺度特征图Fi每个位置h,w的特征存入特征集M；对于含有n个正常图像的训练集，特征集M的样本数为n×h0×w0，每个样本m是通道数为c的一维向量其中，h和w表示多尺度特征图Fi上的坐标； 所述步骤S4的具体过程为： 步骤S41：对特征选择后的特征集按通道维度进行直方图统计，得到c个直方图；其中，每个通道的直方图都是独立的，且设定的箱数k均相等； 步骤S42：对每个通道的直方图进行归一化，使最大高度都为1； 所述步骤S5的具体过程为： 步骤S51：对待测图像t做预处理，尺寸变为H×W，H为变换后图片的高度，W为变换后图片的宽度； 步骤S52：对预处理后的待测图像t做特征提取，得到多尺度特征图 步骤S53：对多尺度特征图Ft每个位置h,w的特征Fth,w做特征选择，得到特征选择后的向量s为特征分割点； 步骤S54：将特征选择后的向量送入直方图异常检测模型，得到异常评分图每一个位置h,w的异常评分其中，histi为通道i上的数值在对应的直方图i上的概率密度。

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2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。