[發明專利]基于生成對抗網絡路面裂縫圖像超分辨率重建方法及裝置

在審

• 申請號: 202010548216.7
• 申請日: 2020-06-16
• 公開（公告）號: CN111986079A
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 孫朝云;李偉;郝雪麗;丁明航;徐磊;裴莉莉;戶媛姣
• 申請（專利權）人: 長安大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/04;G06K9/62
• 代理公司: 西安恒泰知識產權代理事務所 61216
• 代理人: 李婷;趙中霞

1.一種基于生成對抗網絡路面裂縫圖像超分辨率重建模型構建方法，其特征在于，包括以下步驟：

步驟1，采集N幅高分辨率路面裂縫圖像，作為目標圖像集；

步驟2，對N幅高分辨率路面裂縫圖像進行降采樣處理，得到相同數量的N幅低分辨率路面裂縫圖像，作為待重建圖像集；

步驟3，對N幅低分辨率路面裂縫圖像與N幅高分辨率路面裂縫圖像進行兩兩配對，并將配對后的N對路面裂縫圖像作為輸入圖像集；

步驟4，將輸入圖像集中的待重建圖像集作為輸入，超分辨率圖像集作為輸出，訓練生成對抗網絡；

所述生成對抗網絡包括依次設置的生成器和判別器；

獲得優化后的生成對抗網絡作為圖像超分辨率重建模型。

2.如權利要求1所述的基于生成對抗網絡路面裂縫圖像超分辨率重建模型構建方法，其特征在于，所述步驟2中的高分辨率路面裂縫圖像進行降采樣處理是將高分辨率路面裂縫圖像的圖像尺寸進行4倍的縮減。

3.如權利要求1所述的基于生成對抗網絡路面裂縫圖像超分辨率重建模型構建方法，其特征在于，所述生成器包括14個卷積層，其中第2層卷積層到第11層卷積層兩兩結合構成殘差塊，并使用ReLU函數作為激活函數。

4.如權利要求1所述的基于生成對抗網絡路面裂縫圖像超分辨率重建模型構建方法，其特征在于，所述判別器包括8個卷積層，第1層卷積層包括64個卷積核；之后每隔1層卷積層，卷積核數量則增大2倍，直到最后第8層卷積層的512個卷積核；且判別器使用LeakyReLU函數作為激活函數。

5.如權利要求1所述的基于生成對抗網絡路面裂縫圖像超分辨率重建模型構建方法，其特征在于，在訓練生成對抗網絡時，設計基于L1范數和判別器重構誤差的損失函數，用于平衡生成器和判別器的競爭力，并增強生成圖像視覺質量；

假定圖像的像素級誤差服從高斯分布，L1范數損失函數有：

L(I)＝|I^HR-G(I^LR)| (1)

式中，I^HR表示真實高分辨率路面裂縫圖像，表示I^LR對應的低分辨路面裂縫圖像，||表示L1范數計算，G表示生成器；

生成器和判別器的待優化損失函數及更新規則有：

其中，

y＝G(x；θ_D) (5)

公式(2-6)中，x表示真實的高分辨率路面裂縫圖像，z表示對應低分辨路面裂縫圖像，y表示生成超分辨率路面裂縫圖像，分別表示判別器關于x和y的損失，θ_G、θ_D分別表示生成器和判別器的相關參數；λ_k表示k的比例增益，k_t表示k的第t次更新值，參數k可以平衡生成器和判別器的競爭力；G、D分別表示生成器和判別器；E[L(G(z))]、E[L(x)]分別表示生成樣本損失的期望值與真實樣本損失的期望值，γ是生成樣本損失的期望與真實樣本損失的期望值之比，該參數控制生成圖像多樣性和視覺質量之間的權衡。

6.一種基于生成對抗網絡路面裂縫圖像超分辨率重建方法，其特征在于，包括以下步驟：

獲得待重建的低分辨率圖像；

將待重建的低分辨率圖像輸入至權利要求1-5任一項權利要求所述的基于生成對抗網絡路面裂縫圖像超分辨率重建模型構建方法獲得的基于生成對抗網絡路面裂縫圖像超分辨率重建模型中，獲得目標超分辨率圖像。

7.一種基于生成對抗網絡路面裂縫圖像超分辨率重建裝置，其特征在于，包括圖像采集模塊及重建模塊；

所述圖像采集模塊用于獲得待重建的低分辨率圖像；

所述重建模塊用于將待重建的低分辨率圖像輸入至權利要求1-5任一項權利要求所述的基于生成對抗網絡路面裂縫圖像超分辨率重建模型構建方法獲得的基于生成對抗網絡路面裂縫圖像超分辨率重建模型中，獲得目標超分辨率圖像。