[發(fā)明專利]一種基于特征監(jiān)督生成對抗網(wǎng)絡(luò)的去雨方法

在審

• 申請?zhí)枺?/td>: 202011335105.4
• 申請日: 2020-11-24
• 公開（公告）號: CN112507817A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計）人: 蓋杉;盧貝
• 申請（專利權(quán)）人: 南昌航空大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南昌華成聯(lián)合知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 36126
• 代理人: 張建新

1.一種基于特征監(jiān)督生成對抗網(wǎng)絡(luò)的去雨方法，包括以下步驟：

(1)獲取訓(xùn)練圖像數(shù)據(jù)，所述訓(xùn)練圖像數(shù)據(jù)包括為有雨圖像和無雨圖像對；

(2)對所述訓(xùn)練圖像數(shù)據(jù)進(jìn)行預(yù)處理；

(3)構(gòu)建單圖像去雨的神經(jīng)網(wǎng)絡(luò)模型，采用生成對抗網(wǎng)絡(luò)模型，所述生成對抗網(wǎng)絡(luò)模型包括生成器和判別器；其中，生成器整體采用U-Net結(jié)構(gòu)，并采用跳躍連接；在U-Net結(jié)構(gòu)中采用8個密集塊(Dense Block)，每個密集塊包含4個卷積層，每個密集塊后面都有一個過渡層(transition layers)；

(4)將步驟(2)預(yù)處理后的所述訓(xùn)練圖像數(shù)據(jù)輸入步驟(3)的所述神經(jīng)網(wǎng)絡(luò)模型中，對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，經(jīng)過多次訓(xùn)練優(yōu)化得到最優(yōu)模型；

(5)將待去雨的圖像輸入到所述最優(yōu)模型中，輸出去雨圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟(1)所述有雨圖像和無雨圖像對為三通道的RGB圖像。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟(2)所述預(yù)處理包括歸一化處理。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟(3)所述神經(jīng)網(wǎng)絡(luò)模型中隱藏層使用的激活函數(shù)為Leaky Relu函數(shù)。

5.根據(jù)權(quán)利要求1～4任一權(quán)利要求所述的方法，其特征在于，在步驟(4)的訓(xùn)練過程中，用一個特征正則化的正則化器使從有雨圖像中提取的特征近似于從無雨圖像中提取的特征。