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！

龍圖騰網獲悉湖南文理學院申請的專利一種基于深度學習的低照度視頻質量測量系統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：CN119919780B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202510322505.8，技術領域涉及：G06V10/98；該發明授權一種基于深度學習的低照度視頻質量測量系統是由彭易波;劉池;王珊;任盛;賀玉才;譚文學設計研發完成，并于2025-03-19向國家知識產權局提交的專利申請。

本一種基于深度學習的低照度視頻質量測量系統在說明書摘要公布了：本發明涉及質量測量技術領域，尤其涉及一種基于深度學習的低照度視頻質量測量系統。所述系統包括低照度視頻幀處理模塊、視頻質量維度測量標注模塊、視頻質量模型預測模塊以及預測誤差損失優化模塊，可利用視頻采集設備實時采集對應的低照度視頻數據并進行視頻幀處理，同時進行視頻指標測量和質量維度測量標注，得到低照度視頻質量標注分數；利用卷積神經網絡構建視頻質量測量模型架構并進行模型訓練優化和質量加權求和，以得到低照度視頻質量預測分數；基于低照度視頻質量標注分數以及低照度視頻質量預測分數進行誤差損失增強學習和視頻質量評估測量，以輸出對應的低照度視頻質量綜合測量分數。本發明能夠實現對低照度視頻質量的準確評估測量。

本發明授權一種基于深度學習的低照度視頻質量測量系統在權利要求書中公布了：1.一種基于深度學習的低照度視頻質量測量系統，其特征在于，包括以下模塊： 低照度視頻幀處理模塊，用于通過在不同低照度場景下利用視頻采集設備實時采集對應的低照度視頻數據，并對低照度視頻數據進行視頻幀處理，以得到低照度視頻標準幀圖像集； 視頻質量維度測量標注模塊，用于對低照度視頻標準幀圖像集內的每一幀視頻圖像進行視頻指標測量，以得到每一低照度視頻幀對應的視頻清晰度、視頻噪聲水平以及視頻色彩還原度；基于每一低照度視頻幀對應的視頻清晰度、視頻噪聲水平以及視頻色彩還原度對相對應的低照度視頻進行質量維度測量標注，以得到低照度視頻質量標注分數；其中，包括以下功能： 對低照度視頻標準幀圖像集內的每一幀視頻圖像進行多通道拆分，得到每一幀視頻圖像對應的R、G、B通道圖像；通過每一幀視頻圖像對應的R、G、B通道圖像獲取每個通道對應的灰度均值以及灰度方差，并基于每個通道對應的灰度均值以及灰度方差對低照度視頻標準幀圖像集內的每一幀視頻圖像進行通道能量占比測量，以得到每一幀視頻圖像對應的通道圖像能量占比；根據每一幀視頻圖像對應的通道圖像能量占比對相對應的每一幀視頻圖像進行視頻清晰度分析，以得到每一低照度視頻幀對應的視頻清晰度； 對低照度視頻標準幀圖像集內的每一幀視頻圖像進行噪聲水平測量，以得到每一低照度視頻幀對應的視頻噪聲水平；其中包括： 對低照度視頻標準幀圖像集內的每一幀視頻圖像進行圖像局部區域劃分，以得到每一幀視頻圖像對應的視頻局部子區域； 對每一幀視頻圖像對應的視頻局部子區域進行紋理分形維數計算，以得到每一幀視頻圖像對應的局部區域分形維數； 對每一幀視頻圖像對應的視頻局部子區域進行局部像素方差計算，得到每一幀視頻圖像對應的局部區域像素方差； 基于每一幀視頻圖像對應的局部區域分形維數以及局部區域像素方差對低照度視頻標準幀圖像集內的每一幀視頻圖像進行噪聲水平測量，以得到每一低照度視頻幀對應的視頻噪聲水平； 對低照度視頻標準幀圖像集內的每一幀視頻圖像進行色彩還原度測量，以得到每一低照度視頻幀對應的視頻色彩還原度；其中包括： 對低照度視頻標準幀圖像集內的每一幀視頻圖像中對應的不同顏色區域進行色度坐標計算，以得到每一幀視頻圖像內不同顏色區域對應的色度坐標； 基于每一幀視頻圖像內不同顏色區域對應的色度坐標對低照度視頻標準幀圖像集內的每一幀視頻圖像中對應的不同顏色區域進行顏色飽和度測量，以得到每一幀視頻圖像內不同顏色區域對應的顏色飽和度； 對低照度視頻標準幀圖像集內的每一幀視頻圖像中對應的不同顏色區域進行色調分布統計，以得到每一幀視頻圖像內不同顏色區域對應的色調分布； 基于每一幀視頻圖像內不同顏色區域對應的顏色飽和度以及色調分布對低照度視頻標準幀圖像集內的每一幀視頻圖像進行色彩還原度測量，以得到每一低照度視頻幀對應的視頻色彩還原度； 基于每一低照度視頻幀對應的視頻清晰度、視頻噪聲水平以及視頻色彩還原度對相對應的低照度視頻進行質量維度測量計算，以得到低照度視頻質量維度； 基于低照度視頻質量維度對相對應的低照度視頻進行質量維度體系標注，以將質量維度為0％-20％標注為1分，21％-40％標注為2分，41％-60％標注為3分，61％-80％標注為4分，81％-100％標注為5分，以得到低照度視頻質量標注分數； 視頻質量模型預測模塊，用于利用卷積神經網絡構建視頻質量測量模型架構，并利用低照度視頻標準幀圖像集對視頻質量測量模型架構進行模型訓練優化，以生成基于深度學習的低照度視頻測量模型，并輸出每個視頻幀質量維度對應的預測分數；基于每個視頻幀質量維度對應的預測分數對相對應的低照度視頻進行質量加權求和，以得到低照度視頻質量預測分數；其中，包括以下步驟： 利用卷積神經網絡構建視頻質量測量模型架構，其中包括清晰特征提取分支、噪聲特征提取分支以及全連接神經網絡層； 按照7：2：1對應的劃分比例將低照度視頻標準幀圖像集劃分為訓練集、驗證集以及測試集； 將訓練集輸入至視頻質量測量模型架構進行模型訓練，并將隨機梯度下降作為優化算法結合驗證集不斷調整模型對應的超參數，其中超參數包括學習率、批量大小以及網絡層數，同時利用測試集進行模型性能優化，以生成基于深度學習的低照度視頻測量模型，并通過在每一個全連接神經網絡層輸出每個視頻幀質量維度對應的預測分數； 基于每個視頻幀質量維度對應的預測分數對相對應的低照度視頻進行質量加權求和，以得到低照度視頻質量預測分數； 預測誤差損失優化模塊，用于基于低照度視頻質量標注分數以及低照度視頻質量預測分數對基于深度學習的低照度視頻測量模型進行誤差損失增強學習，以生成低照度視頻測量綜合模型；將低照度視頻標準幀圖像集重新輸入至低照度視頻測量綜合模型進行視頻質量評估測量，以輸出對應的低照度視頻質量綜合測量分數。

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湖南文理學院，其通訊地址為：415000 湖南省常德市武陵區洞庭大道3150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”。