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！

龙图腾网恭喜三峡大学申请的专利基于图像融合的高光区域去除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：CN114926392B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202210352274.1，技术领域涉及：G06T7/00；该发明授权基于图像融合的高光区域去除方法是由舒征宇;姚景岩;汪俊;许欣慧;高健;翟二杰;黄志鹏;李镇翰;张洋;李浩;马聚超设计研发完成，并于2020-07-03向国家知识产权局提交的专利申请。

本基于图像融合的高光区域去除方法在说明书摘要公布了：基于图像融合的高光区域去除方法，包括如下步骤：利用SIFT算法对基准图和辅助图进行特征点检测，生成特征描述向量，并用最近邻法对基准图和辅助图进行特征匹配；通过得到的特征匹配点，求取透视变换矩阵，采用透视变换对辅助图进行视角、尺寸调整，使其与基准图一致；根据基准图中检测到的高光区域位置，用透视变换后的辅助图相对应区域位置，对其进行纹理填补修复，进而去除基准图中的高光。本发明利用改进的OTSU二维阈值分割方法快速检测图像中的高光干扰，降低噪声的影响，使基准图中高光区域检测更加精准。

本发明授权基于图像融合的高光区域去除方法在权利要求书中公布了：1.基于图像融合的高光区域去除方法，其特征在于包括如下步骤： 步骤1、利用SIFT算法对基准图和辅助图进行特征点检测，生成特征描述向量，并用最近邻法对基准图和辅助图进行特征匹配； 步骤2、通过得到的特征匹配点，求取透视变换矩阵，采用透视变换对辅助图进行视角、尺寸调整，使其与基准图一致； 步骤3、根据基准图中检测到的高光区域位置，用透视变换后的辅助图相对应区域位置，对其进行纹理填补修复，进而去除基准图中的高光； 上述高光区域位置的检测通过二维OTSU算法实现，包括如下步骤： 步骤3.1：令存在图像I，设图像Ix,y的灰度级为L级，那么图像I的领域平均灰度也为L级； 步骤3.2：设fx,y为像素点x,y的灰度值，gx,y为中心像素点x,y的K×K领域内的平均灰度值；令fx,y＝i，gx,y＝j，然后就形成了一个二元组i,j； 步骤3.3：设二元组i,j出现的次数为fij，求出二元组对应的概率密度Pij，Pij＝fijN,i,j＝1,2,…,L，其中,N为图像像素点总数； 步骤3.4：任意选取一个阈值向量s,t，将图像的二维直方图划分成4个区域，B、C区域代表图像的前景和背景，A、D区域代表噪声点； 步骤3.5：设背景和前景出现的概率分别为ω1，ω2，对应的均值矢量为μ1，μ2；整幅图像所对应的均值矢量为μ，公式如下： 式中:ω1为背景出现的概率，Pij为二元组i,j出现的概率密度； 式中:ω2为前景出现的概率，Pij为二元组i,j出现的概率密度； 式中:μ1为背景对应的均值矢量； 式中:μ2为前景对应的均值矢量； 式中:μ为整幅图像所对应的均值矢量； 步骤3.6：利用离散测度矩阵Ss,t求得图像的离散测度trSs,t，公式如下： Ss,t＝ω1μ1-μμ1-μT+ω2μ2-μμ2-μT6 式中:Ss,t为图像的离散测度矩阵； 式中:trSs,t为图像的离散测度； 步骤3.7：离散测度越大，类间方差就越大，最大离散测度对应的即为最佳阈值s*,t*； s*,t*＝argmax{trSs,t}8 式中:s*,t*为图像的最佳阈值； 通过以上步骤求得最佳阈值后，利用该阈值对0～255个亮度等级的灰度图像进行二值化处理，分离出前景区域和背景区域，此时的前景区域即为高光区域。

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三峡大学，其通讯地址为：443002 湖北省宜昌市西陵区大学路8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”。