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！

龍圖騰網恭喜北京工業大學申請的專利一種基于排序學習和孿生神經網絡的圖像修復質量評價方法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：CN113269680B 。

龍圖騰網通過國家知識產權局官網在2025-05-27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：202110174118.6，技術領域涉及：G06T5/77；該發明授權一種基于排序學習和孿生神經網絡的圖像修復質量評價方法是由馬偉;孟祥東設計研發完成，并于2021-02-09向國家知識產權局提交的專利申請。

本一種基于排序學習和孿生神經網絡的圖像修復質量評價方法在說明書摘要公布了：本發明涉及一種基于排序學習和孿生神經網絡的圖像修復質量評價方法，具體包括訓練數據集的生成、孿生網絡的搭建、局部結構連貫性和顏色紋理一致性評估模塊的設計、模型的訓練與測試等內容。本發明基于深度學習并具備端到端的學習能力，可以實現對兩張待評價圖像對的質量排序任務。本發明所創建的訓練數據集，彌補了本領域的數據集缺失問題；本發明提出的網絡結構能夠很好的評估被修復區域與周圍已知區域，以及被修復區域內部在結構上的連貫性和顏色紋理等內容上的一致性。經實驗測試，本發明提出的網絡模型，在對修復圖像質量排序結果的準確率上比現有方法高，從而證明了本發明的效果和實用性。

本發明授權一種基于排序學習和孿生神經網絡的圖像修復質量評價方法在權利要求書中公布了：1.一種基于排序學習和孿生神經網絡的圖像修復質量評價方法，其特征在于，包含以下步驟：S1：數據集創建；首先收集原始數據，并手動在原始圖像中圈出待修復區域，然后應用局部退化策略對待修復區域進行修復效果模擬，并通過量化比較退化區域和原始圖像獲得修復效果得分和排序；最終合成的數據集是以圖像對為一個基本單位，每一對圖像的標簽是它們的質量排序關系；S2：孿生網絡搭建；采用孿生網絡作為主干網絡；該網絡總共有兩個分支，每個分支的網絡結構相同且參數共享，以保證兩張圖像輸入到網絡中時能夠使用相同的方式進行特征提取；S3：被修復區域局部連貫性評估；在孿生網絡的主體框架中加入了基于局部面片連貫性評估模塊，從特征層面去衡量被修復區域的局部結構連貫性和紋理顏色方面的一致性；S4：網絡模型訓練；使用上述的數據集和網絡結構進行模型的訓練，至損失函數完全收斂時停止訓練，得到訓練后的模型參數，并以此參數來去對兩張圖像特征進行提取，進而得出這兩張待評價圖像的質量排序關系；S2具體如下：設計了一個5層的卷積神經網絡作為主干網絡的分支結構，孿生網絡兩個分支的結構一樣且參數共享；第一列是網絡層，包括5個卷積層、5個激活層、3個池化層和3個全連接層；依次為卷積層1，激活層1，卷積層2，激活層2，最大池化層；卷積層3，激活層3；卷積層4，激活層4，最大池化層；卷積層5，激活層5，全局平均池化層和3個全連接層；每次池化之后特征的大小會縮小為原來的一半，網絡最后的輸出是一個單一標量，用以代表圖像的質量分數；S3具體如下：設計了一個能夠衡量待評價圖像局部結構連貫性和紋理顏色一致性的模塊，該模塊的工作原理如下：首先根據掩膜圖像，將被修復區域的邊界框計算出來，根據邊界框再把每一個卷積層輸出的多通道特征進行裁切，裁切后得到的特征就是需要度量的特征；然后將這個特征進行切塊，隨后去計算每一個塊與它周圍8個塊之間的余弦相似度，最終可以得到一個代表這個被修復區域結構連貫性和紋理顏色一致性的相似性圖；將這個相似形圖進行尺寸大小的調整之后，直接與兩個網絡分支的最后一層進行拼接；S4具體如下：S4-1：在訓練階段，選取的是上述步驟中創建的數據集，其組成既包含了基于區域退化合成的圖像對，又包含了基于傳統圖像修復算法生成的圖像對；S4-2：訓練使用的是排序損失函數：Lossrank＝max0，δx1，x2y2-y1+m，其中x1和x2代表的是輸入圖像，δx1，x2代表的是輸入圖像對的排序標簽，如圖x1質量好于x2，那么它的值是1，反之值是-1；y1和y2指孿生網絡兩個分支輸出的兩個單一標量，代表了兩張輸入圖像的質量分數，m是表示間隔，用于擴大兩張圖像質量分數之間的差異，將m設定為0.05；S4-3：訓練過程中數據增強的手段包括將每一張圖像縮放至統一大小、歸一化操作；S4-4：網絡訓練過程選取Adam優化器，其中優化器參數β1＝0.9和β2＝0.999；Batchsize等于1，初始學習率為3e-5，權重衰減系數為1e-4。

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北京工業大學，其通訊地址為：100124 北京市朝陽區平樂園100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”。