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！

龙图腾网获悉江南大学申请的专利基于退化图像对抗学习的仿刺绣设计图像真实感评价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：CN120107270B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202510601789.4，技术领域涉及：G06T7/00；该发明授权基于退化图像对抗学习的仿刺绣设计图像真实感评价方法是由王文聪;邱子峻;王静安;孙仁斌;王涛;高卫东;郭明瑞设计研发完成，并于2025-05-12向国家知识产权局提交的专利申请。

本基于退化图像对抗学习的仿刺绣设计图像真实感评价方法在说明书摘要公布了：本发明公开了一种基于退化图像对抗学习的仿刺绣设计图像真实感评价方法，属于数码印花技术领域。所述方法包括：通过构建仿刺绣设计图像对抗学习评价模型，该模型包括多尺度退化算法模块、刺绣设计图像生成子模型和刺绣设计图像评价子模型；通过图像退化、图像重建以及逐区域的评价过程，结合对抗技术实现对仿刺绣设计图像不同区域的设计真实感评价。

本发明授权基于退化图像对抗学习的仿刺绣设计图像真实感评价方法在权利要求书中公布了：1.一种基于退化图像对抗学习的仿刺绣设计图像真实感评价方法，其特征在于，所述方法包括： 步骤一：收集真实刺绣图像构建真实刺绣图像数据集，记为，其中，代表真实刺绣织物图像的序号，代表真实刺绣织物图像的数量； 步骤二：构建仿刺绣设计图像对抗学习评价模型，所述仿刺绣设计图像对抗学习评价模型包括多尺度超像素退化算法模块、刺绣设计图像生成子模型和刺绣设计图像评价子模型； 步骤三：利用步骤一得到的数据集对所述仿刺绣设计图像对抗学习评价模型进行训练； 步骤四：构建刺绣设计图像生成子模型的损失函数和刺绣设计图像评价子模型的损失函数，在训练过程中分别对刺绣设计图像生成子模型和刺绣设计图像评价子模型进行优化； 步骤五：将待评价的仿刺绣设计图像输入到经过优化的刺绣设计图像评价子模型中得到评价结果； 所述多尺度超像素退化算法模块对输入的真实刺绣图像的处理过程包括： 步骤S1：执行大尺度超像素退化算法，得到大尺度超像素图像A；其中，为大尺度参数，表示大尺度超像素退化算法中真实刺绣图像被划分的区域个数； 步骤S2：基于大尺度超像素图像A，执行小尺度超像素退化算法，得到超像素退化图像；其中，为小尺度参数，代表小尺度超像素退化算法中真实刺绣图像被划分的区域个数； 步骤S3：根据超像素退化图像，得到每个超像素所在区域的像素坐标集合，其中，k代表超像素序号，代表超像素区域的数量； 所述大尺度超像素退化算法和小尺度超像素退化算法的处理过程包括： 步骤1：图像特征提取； a、取真实刺绣图像中每个像素点的坐标为该像素点的空间特征，表示为； b、将真实刺绣图像换算到Lab空间，取Lab空间下像素点位置处各通道值为像素点的颜色特征，表示为； c、通过经预训练的UNet模型处理输入的真实刺绣图像，得到边缘强度特征图，取其中像素点位置处的值为像素点的边缘强度特征，表示为；其中，所述的经预训练的UNet模型是通过自然物体图像及其对应边缘图像组成的数据集进行预训练的； 步骤2：超像素中心初始化；将真实刺绣图像均匀划分为个方形网格区域，即为初始超像素区域，其中，代表尺度参数；令每个网格区域的中心像素点为初始超像素中心点，，代表初始超像素区域的序号； 步骤3：超像素中心特征计算；计算初始超像素区域内像素的空间特征和颜色特征的均值，作为超像素中心点的空间特征和颜色特征； 步骤4：像素与超像素中心间距离计算；对于真实刺绣图像中的每个像素点，在以该像素点为中心，长和宽为的窗口中，计算像素点与该窗口内的每个聚类中心点的综合特征距离，其表达式为： 其中，是二者间颜色特征的欧氏距离，是二者间空间特征的欧氏距离，是超像素区域一致性因子，是像素点的边缘强度特征，、和分别为空间特征距离权重参数、超像素区域一致性因子权重参数和边缘强度特征权重参数； 其中，当执行大尺度超像素退化算法时，超像素区域一致性因子的取值为0，当执行小尺度超像素退化算法时，超像素区域一致性因子的取值如下： 步骤5：超像素中心更新；令每个像素点与它综合特征距离最小的超像素中心点归为同一超像素，得到当前超像素图像，若当前迭代次数未达到设定值，则返回步骤3； 步骤6：结果输出；输出第次迭代的超像素退化图像。

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江南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800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”。