[發明專利]一種基于密集殘差和雙流注意力的紅外圖像彩色化方法在審
| 申請號： | 202211317811.5 | 申請日： | 2022-10-26 |
| 公開（公告）號： | CN115641391A | 公開（公告）日： | 2023-01-24 |
| 發明（設計）人： | 詹偉達;陳宇;唐雁峰;杜佳齊;李銳 | 申請（專利權）人： | 長春理工大學 |
| 主分類號： | G06T11/00 | 分類號： | G06T11/00;G06T5/00;G06T7/90;G06N3/0475;G06N3/0464;G06N3/08 |
| 代理公司： | 北京睿智保誠專利代理事務所(普通合伙) 11732 | 代理人： | 王臨水 |
| 地址： | 130022 吉林省*** | 國省代碼： | 吉林;22 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 密集 雙流 注意力 紅外 圖像 彩色 方法 | ||
1.一種基于密集殘差和雙流注意力的紅外圖像彩色化方法，其特征在于，具體步驟為：
構建網絡模型：構建包括生成器和鑒別器的生成對抗網絡；
準備數據集：根據第一紅外圖像數據集對生成對抗網絡進行預訓練；
訓練網絡模型：利用第一紅外圖像數據集對網絡模型進行訓練，直至達到預設閾值；
微調模型：利用第二紅外圖像數據集對網絡模型進行再次訓練和微調，獲得最終模型；
保存模型：將獲得最終模型的參數進行固化，保存模型。
2.根據權利要求1所述的一種基于密集殘差和雙流注意力的紅外圖像彩色化方法，其特征在于，生成器包括淺層特征提取模塊、下采樣模塊、注意力模型、上采樣模塊、圖像重建模塊；
所述淺層特征提取模塊，用于利用卷積塊對圖片進行淺層特征提取；
所述下采樣模塊，用于利用M池化提取圖片深層次的語義信息；
所述注意力模型，用于增加圖片的語義信息和顏色信息的關注度；
所述上采樣模塊，用于利用卷積塊恢復特征圖的大小；
所述圖像重建模塊，用于利用卷積塊和T型函數重建紅外彩色化圖像。
3.根據權利要求1所述的一種基于密集殘差和雙流注意力的紅外圖像彩色化方法，其特征在于，鑒別器包括多個卷積塊、歸一化層和L型函數。
4.根據權利要求1所述的一種基于密集殘差和雙流注意力的紅外圖像彩色化方法，其特征在于，第一紅外圖像數據集為RGB-NIR數據集。
5.根據權利要求1所述的一種基于密集殘差和雙流注意力的紅外圖像彩色化方法，其特征在于，在訓練網絡模型中預設閾值包括損失函數預設值、訓練次數預設值。
6.根據權利要求5所述的一種基于密集殘差和雙流注意力的紅外圖像彩色化方法，其特征在于，損失函數為復合損失函數，生成器采用的損失函數包括對抗損失、內容損失、感知損失、合成損失和總體變化損失；鑒別器采用對抗損失函數。
7.根據權利要求1所述的一種基于密集殘差和雙流注意力的紅外圖像彩色化方法，其特征在于，在訓練網絡模型過程中還包括通過評價指標評估算法彩色化結果的質量和圖像失真程度。
8.根據權利要求1所述的一種基于密集殘差和雙流注意力的紅外圖像彩色化方法，其特征在于，第二紅外圖像數據集為OMSIV數據集。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于長春理工大學，未經長春理工大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202211317811.5/1.html，轉載請聲明來源鉆瓜專利網。
