(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211288588.6 (22)申请日 2022.10.20 (71)申请人 福建亿榕信息技 术有限公司 地址 350000 福建省福州市 鼓楼区软件大 道89号G区20号楼 申请人 国网信息通信产业 集团有限公司 　 武汉大学 (72)发明人 李强　赵峰　庄莉　梁懿　秦亮　 王秋琳　徐杰　吕君玉　刘浩锋　 余金沄　何敏　刘开培　 (74)专利代理 机构 福州科扬专利事务所(普通 合伙) 35001 专利代理师 郭梦羽 (51)Int.Cl. G06T 5/50(2006.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于自编码器的重构图像质 量衡量方 法及系统 (57)摘要 本发明涉及一种基于自编码器的重构图像 质量衡量方法， 包括以下步骤： 收集若干原始图 像， 生成原始图像集； 构建包括编码器和解码器 的自编码器网络； 将原始图像集中的原始图像作 为训练样 本， 输入至自编码器网络进行图像复现 得到复现图像， 并计算复现图像与对应原始图像 之间的复现损失， 基于复现损失对自编码器网络 进行训练， 完成自编码器网络的训练； 取出训练 好的自编码器网络中的编码器， 作为特征提取 器； 获得重构图像集， 将原始图像集和重构图像 集分别输入至特征提取器中， 分别获取原始图像 集特征分布和重构图像集特征分布； 计算原始图 像集特征分布和重构图像集特征分布的Fr échet 距离， 根据Fr échet距离衡量重构图像集的数据 质量。 权利要求书4页 说明书10页 附图2页 CN 115375600 A 2022.11.22 CN 115375600 A 1.一种基于自编码器的重构图像质量衡量方法， 其特 征在于， 包括以下步骤： 收集若干原 始图像， 并对原 始图像进行 预处理， 生成原 始图像集； 构建包括编码器和解码器的自编码器网络； 将原始图像集中的原始图像作为训练样本， 输入至自编码器网络进行图像复现得到复 现图像， 并构建损失函数计算复现图像与对应原始图像之间的复现损失， 基于计算出 的复 现损失对自编码器网络进行迭代训练， 直到 达到迭代终止条件， 完成自编码器网络的训练； 取出训练好的自编码器网络中的编码器， 作为特 征提取器； 对原始图像集中的图像进行重构处理， 获得重构图像集， 将原始图像集和重构图像集 分别输入至特 征提取器中， 分别获取原 始图像集特 征分布和重构图像集特 征分布； 计算原始图像集特征分布和重构图像集特征分布的Fr échet距离， 根据计算出的Fr é chet距离衡量重构图像集的数据质量。 2.根据权利要求1所述的一种基于自编码器的重构图像质量衡量方法， 其特征在于， 所 述构建包括编码器和解码器的自编码器网络的方法具体为： 构建网络基本模块， 包括CBL模块和C3模块， 所述CBL模块由卷积层、 BN批量归一化层和 LeakyReLU激活层堆叠组成； 所述C 3模块由三层连续的卷积层堆叠组成； 定义编码器结构， 编码器包括a个CBL模块、 b个下采样模块以及一个C3模块， 所述编码 器用于输入原始图像x， 输出相应的特 征向量z； 定义解码器结构， 解码器包括a个CBL模块， b个上采样模块以及一个C3模块， 所述解码 器用于输入特征向量z， 根据特 征向量z进行图像复现生成复现图像 。 3.根据权利要求2所述的一种基于自编码器的重构图像质量衡量方法， 其特征在于， 所 述构建损失函数计算复现图像与对应原始图像之间的复现损失， 基于计算出的复现损失对 自编码器网络进行迭代训练的方法具体为： 构建均方差损失函数， 具体如下： 其中， x为输入至编码 器的原始图像， 为解码器生成的复现图像， z=E(x)为编码 器输出 的特征向量， 以及 为解码器对特 征向量进行还原的函数； 根据每一组原始图像和复现图像计算出的loss损失值， 采用反向传播算法， 更新自编 码器网络的参数， 重复进行 此步骤， 直至自编码器网络收敛或达 到设定的迭代次数。 4.根据权利要求1所述的一种基于自编码器的重构图像质量衡量方法， 其特征在于， 所 述将原始图像集和重构图像集分别输入至特征提取器中， 分别获取原始图像集特征分布和 重构图像集特 征分布的具体方法为： 将原始图像集输入至特征提取器中， 对原始图像集中的每一张原始图像提取特征得到 m个n维特征向量Zx， 对m个特征向量Zx的每一维度求均值获得n维向量 ， 通过m个n维特征 向量， 计算n*n阶的原始图像特征协方差矩阵， 将n维向量 和原始图像特征协方差矩阵作权　利　要　求　书 1/4 页 2 CN 115375600 A 2为原始图像集的特 征分布； 将重构图像集输入至特征提取器中， 对重构图像集中的每一张重构图像提取特征得到 m个n维特征向量Zg， 对m个特征向量Zg的每一维度求均值获得n维向量 ， 通过m个n维特征 向量， 计算n*n阶的重构图像特征协方差矩阵， 将n维向量 和重构图像特征协方差矩阵作 为重构图像集的特 征分布； 所述计算原始图像集特征分布和重构图像集特征分布的Fr échet距离， 根据计算出的 Fréchet距离衡量重构图像集的数据质量的方法具体为： 根据以下公式计算原 始图像集特 征分布和重构图像集特 征分布的Fr échet距离： 其中， 为原始图像 集的n维向量， 为重构图像 集的n维向量， 为原始图像特征协方 差矩阵， 为重构图像特 征协方差矩阵， Tr 表示矩阵对角线上 元素的总和； 根据计算出的Fr échet距离衡量重构图像集的数据质量， 计算出的Fr échet距离越小， 表示该重构图像集与原 始图像集越接 近， 重构图像集的数据质量越好。 5.一种基于自编码器的重构图像质量衡量系统， 其特 征在于， 包括： 数据集构建模块， 用于收集若干原始图像， 并对原始图像进行预处理， 生成原始图像 集； 自编码器网络构建模块， 用于构建包括编码器和解码器的自编码器网络； 训练模块， 用于将原始图像集中的原始图像作为训练样本， 输入至自编码器网络进行 图像复现得到复现图像， 并构建损失函数计算复现图像与对应原始图像之间的复现损失， 基于计算出 的复现损失对自编码器网络进行迭代训练， 直到达到迭代终止条件， 完成自编 码器网络的训练； 特征提取器获取模块， 用于取 出训练好的自编码器网络中的编码器， 作为特 征提取器； 特征分布计算模块， 用于对原始图像集中的图像进行重构处理， 获得重构图像集， 将原 始图像集和重构图像集分别输入至特征提取器中， 分别获取原始图像集特征分布和重构图 像集特征分布； 质量衡量模块， 用于计算原始图像集特征分布和重构图像集特征分布的Fr échet距离， 根据计算出的Fr échet距离衡量重构图像集的数据质量。 6.根据权利要求5所述的一种基于自编码器的重构图像质量衡量系统， 其特征在于， 所 述自编码器网络构建模块具体包括： 基本模块构 建单元， 用于构 建网络基本模块， 包括CBL模块和C3模块， 所述CBL模块由卷 积层、 BN批量归一化层和LeakyReLU激活层堆叠组成； 所述C3模块由三层连续的卷积层堆叠 组成； 编码器结构构建单元， 用于定义编码器结构， 编码器包括a个CBL模块、 b个下采样模块 以及一个C 3模块， 所述编码器用于 输入原始图像x， 输出相应的特 征向量z； 解码器结构构建单元， 用于定义解码器结构， 解码器包括a个CBL模块， b个上采样模块权　利　要　求　书 2/4 页 3 CN 115375600 A 3