[發(fā)明專利]一種聲吶圖像合成方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110604552.3
• 申請(qǐng)日: 2021-05-31
• 公開（公告）號(hào): CN113052786B
• 公開（公告）日: 2021-09-03
• 發(fā)明（設(shè)計(jì)）人: 張慶港
• 申請(qǐng)（專利權(quán)）人: 北京星天科技有限公司
• 主分類號(hào): G06T5/50
• 分類號(hào): G06T5/50;G06T5/00;G06N3/04;G06N3/08
• 代理公司: 北京國(guó)昊天誠(chéng)知識(shí)產(chǎn)權(quán)代理有限公司 11315
• 代理人: 許振新

本申請(qǐng)公開了一種聲吶圖像合成方法和裝置，所述方法包括：將待合成的內(nèi)容圖像和風(fēng)格圖像輸入圖像特征提取網(wǎng)絡(luò)得到二者的特征；對(duì)內(nèi)容圖像的特征進(jìn)行白化處理，以去除其中的風(fēng)格特征得到白化特征；將白化特征與風(fēng)格圖像的特征進(jìn)行融合，得到對(duì)內(nèi)容圖像進(jìn)行風(fēng)格轉(zhuǎn)換后的目標(biāo)特征；基于目標(biāo)特征、圖像重建網(wǎng)絡(luò)和隨機(jī)噪聲進(jìn)行圖像重建，得到合成聲吶圖像，其中，圖像特征提取網(wǎng)絡(luò)和圖像重建網(wǎng)絡(luò)是基于樣本圖像訓(xùn)練得到的深度學(xué)習(xí)網(wǎng)絡(luò)，二者互為鏡像，樣本圖像為光學(xué)圖像。該方法和裝置在進(jìn)行圖像重建時(shí)引入隨機(jī)噪聲對(duì)重建的圖像進(jìn)行了平滑處理，使得重建得到的合成聲吶圖像更接近真實(shí)的聲吶圖像，從而可以解決聲吶圖像獲取成本高，樣本數(shù)量少的難題。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種聲吶圖像合成方法和裝置。

背景技術(shù)

側(cè)掃聲吶是一種利用聲波在水下的傳播特性，通過(guò)電聲轉(zhuǎn)換和信息處理，完成水下探測(cè)和通訊任務(wù)的電子設(shè)備。側(cè)掃聲吶圖像是用側(cè)掃聲吶對(duì)水下物體進(jìn)行掃描探測(cè)所獲得的二維影像。隨著人工智能的發(fā)展，利用機(jī)器學(xué)習(xí)對(duì)聲吶圖像的研究越來(lái)越多，并且越來(lái)越重要，但獲取聲吶圖像的實(shí)驗(yàn)成本較高，導(dǎo)致聲吶圖像樣本稀缺，進(jìn)而導(dǎo)致基于機(jī)器學(xué)習(xí)的聲吶圖像研究發(fā)展較為緩慢，利用光學(xué)圖像合成聲吶圖像成為一條可行的道路。

目前，圖像合成技術(shù)主要應(yīng)用于光學(xué)圖像，例如PhotoWCT是一種合成效果非常好的光學(xué)圖像合成技術(shù)方案，該技術(shù)方案將參考圖像的風(fēng)格轉(zhuǎn)換到內(nèi)容照片中，從而合成可以達(dá)到照片級(jí)別逼真程度的圖像。由于該技術(shù)方案的目的是合成具有照片級(jí)別真實(shí)的圖像，因此在圖像細(xì)節(jié)方面表現(xiàn)非常好。而基于聲波的聲吶圖像顯示的更多的是輪廓而非具體細(xì)節(jié)，所以用該方案合成側(cè)掃聲納圖像與真實(shí)的側(cè)掃聲納圖像之間的差異較為明顯，不能很好的適用于合成側(cè)掃聲納圖像。

可見，亟需提出一種更接近真實(shí)的側(cè)掃聲吶圖像的聲吶圖像合成方案，以解決聲吶圖像獲取成本高，樣本數(shù)量少的難題。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供一種聲吶圖像合成方法和裝置，以合成更接近真實(shí)側(cè)掃聲吶圖像的聲吶圖像，從而解決聲吶圖像獲取成本高，樣本數(shù)量少的難題。

第一方面，本申請(qǐng)實(shí)施例提供一種聲吶圖像合成方法，包括：

將待合成的內(nèi)容圖像和風(fēng)格圖像輸入圖像特征提取網(wǎng)絡(luò)，得到所述內(nèi)容圖像的特征和所述風(fēng)格圖像的特征，其中，所述內(nèi)容圖像為光學(xué)圖像，所述風(fēng)格圖像為真實(shí)聲吶圖像，所述特征提取網(wǎng)絡(luò)是基于樣本圖像訓(xùn)練得到的深度學(xué)習(xí)網(wǎng)絡(luò)，所述樣本圖像為光學(xué)圖像；

對(duì)所述內(nèi)容圖像的特征進(jìn)行白化處理，以去除所述內(nèi)容圖像中的風(fēng)格特征，得到所述內(nèi)容圖像的白化特征；

將所述白化特征與所述風(fēng)格圖像的特征進(jìn)行融合，得到對(duì)所述內(nèi)容圖像進(jìn)行風(fēng)格轉(zhuǎn)換后的目標(biāo)特征；

基于所述目標(biāo)特征、圖像重建網(wǎng)絡(luò)和隨機(jī)噪聲進(jìn)行圖像重建，得到合成聲吶圖像，其中，所述合成聲吶圖像具有所述內(nèi)容圖像的內(nèi)容和所述風(fēng)格圖像的風(fēng)格，所述圖像重建網(wǎng)絡(luò)是基于所述樣本圖像訓(xùn)練得到的深度學(xué)習(xí)網(wǎng)絡(luò)，所述圖像重建網(wǎng)絡(luò)為所述特征提取網(wǎng)絡(luò)的鏡像網(wǎng)絡(luò)，且所述特征提取網(wǎng)絡(luò)與所述圖像重建網(wǎng)絡(luò)是基于所述樣本圖像的重建損失最小化的優(yōu)化策略訓(xùn)練得到的。

第二方面，本申請(qǐng)實(shí)施例還提供一種聲吶圖像合成裝置，包括：

特征提取模塊，用于將待合成的內(nèi)容圖像和風(fēng)格圖像輸入圖像特征提取網(wǎng)絡(luò)，得到所述內(nèi)容圖像的特征和所述風(fēng)格圖像的特征，其中，所述內(nèi)容圖像為光學(xué)圖像，所述風(fēng)格圖像為真實(shí)聲吶圖像，所述特征提取網(wǎng)絡(luò)是基于樣本圖像訓(xùn)練得到的深度學(xué)習(xí)網(wǎng)絡(luò)，所述樣本圖像為光學(xué)圖像；

白化處理模塊，用于對(duì)所述內(nèi)容圖像的特征進(jìn)行白化處理，以去除所述內(nèi)容圖像中的風(fēng)格特征，得到所述內(nèi)容圖像的白化特征；

特征融合模塊，用于將所述白化特征與所述風(fēng)格圖像的特征進(jìn)行融合，得到對(duì)所述內(nèi)容圖像進(jìn)行風(fēng)格轉(zhuǎn)換后的目標(biāo)特征；