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！

龙图腾网恭喜鲁东大学;玖丞(山东)信息工程有限公司申请的专利一种基于图像分析的高精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：CN119251232B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202411783212.1，技术领域涉及：G06T7/00；该发明授权一种基于图像分析的高精检测方法是由王珺;宋萌萌;郑天陆设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本一种基于图像分析的高精检测方法在说明书摘要公布了：本发明涉及图像分析处理技术领域，尤其涉及一种基于图像分析的高精检测方法，包括以下步骤：获取待检测的原始图像，对原始图像数据进行预处理操作，包括归一化处理、去噪处理和亮度调整，预处理后的图像通过多尺度特征转换生成不同尺度的特征矩阵，并通过关联自适应融合模块计算特征矩阵间的关联度，生成融合特征图；计算融合特征图中每个像素点的显著性评分，生成异常评分矩阵，结合偏离矩阵确定显著异常区域；通过多尺度特征转换模块将原始图像信息分解至不同尺度，利用不同尺度特征矩阵的综合信息捕捉图像的局部与全局异常特征，消除各尺度特征间的信息冗余，提高了异常区域的辨识度和检测的精确性。

本发明授权一种基于图像分析的高精检测方法在权利要求书中公布了：1.一种基于图像分析的高精检测方法，其特征在于，该方法包括以下步骤：S1、获取待检测的原始图像，对原始图像数据进行预处理操作，包括归一化处理、去噪处理和亮度调整；S2、预处理后的图像通过多尺度特征转换生成不同尺度的特征矩阵，并通过关联自适应融合模块计算特征矩阵间的关联度，生成融合特征图；为了将不同尺度的特征矩阵有效整合，量化不同尺度特征间的相似性，计算特征矩阵间的关联度，通过关联矩阵对不同尺度特征矩阵间的关系进行编码；对于任意两个特征矩阵和，其关联矩阵元素的具体定义如下： ；其中，为特征矩阵和之间的关联值，用于描述不同尺度特征之间的相似度；是尺度j下生成的特征矩阵；和表示特征矩阵的维度，即行数和列数；为了进一步在融合过程中对高相似性特征矩阵赋予更高权重定义加权矩阵，每个权重元素的生成通过关联矩阵与特征矩阵的范数结合，定义如下： ；其中，为特征矩阵与之间的加权值，与为特征矩阵的L2范数，通过范数将特征的幅值大小考虑在内，以强化高幅值特征的表达效果；分母为与特征矩阵相关的所有特征的关联值和；是多尺度特征矩阵的数量；是一个常量，用于防止分母为零；S3、计算融合特征图中每个像素点的显著性评分，生成异常评分矩阵，结合偏离矩阵确定显著异常区域，通过自适应阈值分割标记出异常区域；在获得加权矩阵和关联矩阵之后，特征矩阵通过层次递进融合形成最终的多尺度融合特征矩阵；所述融合特征矩阵包含了异常区域的显著信息，进入递进异常评估模块进行异常检测；首先计算每个点的显著性评分，以评估特征图中不同位置的异常程度，形成异常评分矩阵；显著性评分基于融合特征矩阵中每个点的局部差异，结合高斯偏离和熵差值的方法，用以下公式计算： ；其中，为异常评分矩阵中的元素，表示像素点在融合特征矩阵中的显著性评分；和分别为融合特征图的均值和标准差，用于测量图像正常区域的总体分布；为调节系数，用于平衡偏离项和熵差项的贡献；熵差项增强了异常区域评分的敏感度，使异常区域在异常评分矩阵中获得更高值；为了进一步定位显著异常区域，通过计算偏离值形成异常偏离矩阵定位显著异常区域，用于标记特征图中异常区域的显著性差异，偏离矩阵的计算公式如下： ；其中，表示偏离矩阵中的值，反映出融合特征矩阵与显著性评分之间的差异度；和分别为异常评分矩阵的均值和标准差，用于校正偏离值的集中趋势；偏离值的高次幂项进一步提升了偏离较大位置的异常评分，使得真正异常区域在偏离矩阵中得以突出显示；S4、进一步应用形态学操作精确提取异常区域轮廓，生成清晰可视化的异常检测结果。

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鲁东大学;玖丞(山东)信息工程有限公司，其通讯地址为：264000 山东省烟台市芝罘区红旗中路184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”。