【技术实现步骤摘要】
基于深度卷积对抗生成网络DCGAN的双光图像融合模型
本专利技术涉及计算机图像采集合成
,具体的说是一种基于深度卷积对抗生成网络DCGAN的双光图像融合模型。
技术介绍
近年来,随着现代科学技术的不断发展与互联网的广泛普及,温度夜视监控装备的各项功能得到了大幅提升,其应用成本也有了大幅度的下降。因此,利用红外监控摄像头获取各项工业机械设备的热度信息变得非常普及,很多处理红外光监控图像的方法也顺势出现。一般的红外探测器主要通过接收场景中目标向外辐射或者反射出来的红外辐射进行成像,其对烟雾具有较强的穿透能力,且在光照条件较差情况下仍具有较好的目标探测能力,但其所成的红外图像细节表现能力较差,这就导致红外光图像无法观察较细致的信息。而可见光图像的内容丰富,细节纹理清晰,空间分辨率较高,但其在光照条件差时,所以成像质量将受到严重影响。因此,如何开发一种融合低分辨率红外热图像与可见光图像算法非常重要。目前能解决双光融合问题的方法分两类,一类是通过光学设备产生对称光轴直接融合图像,另一类则是利用传统的图像增强和融合方法进行处理。
技术实现思路
本专利技术的目的是提供一种基于深度卷积对抗生成网络DCGAN的双光图像融合模型,以解决传统图像融合和增强方法中图像融合效果不佳的问题。为解决上述技术问题,本专利技术所采取的技术方案为:一种基于深度卷积对抗生成网络DCGAN的双光图像融合模型,该模型将同一物体的可见光图像与红外光图像进行融合,该模型的建立过程包括以下步骤:步骤一、鉴别网络提取特征:先将物体的大量可见光图像与红外光图像按照图像比例放缩到相同尺寸,构成图像训练库;然 ...
【技术保护点】
1.一种基于深度卷积对抗生成网络DCGAN的双光图像融合模型,该模型将同一物体的可见光图像与红外光图像进行融合,其特征在于:该模型的建立过程包括以下步骤:步骤一、鉴别网络提取特征:先将物体的大量可见光图像与红外光图像按照图像比例放缩到相同尺寸,构成图像训练库;然后构建一个以vgg网络为初始参数的卷积神经网络作为鉴别网络,利用图像库训练该鉴别网络,使得鉴别网络能有效区分红外光图像与可见光图像;再将待融合的可见光图像和红外光图像输入到该鉴别网络中,分别提取对应的图像特征;步骤二、稀疏编码特征融合:将所有图像特征构建成完备的特征库,利用无监督的K‑means方法在特征库数据上创建一个特征字典,用求解LASSO问题的自我学习方法获得待融合的可见光图像和红外光图像特征在该特征字典上的编码,然后利用平均加权的方式融合该编码信息;步骤三、生成网络生成图像:创建一个反卷积网络作为模型的生成网络,将步骤二所得的训练图像中的融合编码信息输入生成网络得到融合图像,利用融合图像在鉴别网络中的特征和实际融合编码特征之间的误差调整生成网络的参数;训练完成后,直接将待融合两幅图像的融合编码数据输入生成网络,便可生成 ...
【技术特征摘要】
1.一种基于深度卷积对抗生成网络DCGAN的双光图像融合模型,该模型将同一物体的可见光图像与红外光图像进行融合,其特征在于:该模型的建立过程包括以下步骤:步骤一、鉴别网络提取特征:先将物体的大量可见光图像与红外光图像按照图像比例放缩到相同尺寸,构成图像训练库;然后构建一个以vgg网络为初始参数的卷积神经网络作为鉴别网络,利用图像库训练该鉴别网络,使得鉴别网络能有效区分红外光图像与可见光图像;再将待融合的可见光图像和红外光图像输入到该鉴别网络中,分别提取对应的图像特征;步骤二、稀疏编码特征融合:将所有图像特征构建成完备的特征库,利用无监督的K-means方法在特征库数据上创建一个特征字典,用求解LASSO问题的自我学习方法获得待融合的可见光图像和红外光图像特征在该特征字典上的编码,然后利用平均加权的方式融合该编码信息;步骤三、生成网络生成图像:创建一个反卷积网络作为模型的生成网络,将步骤二所得的训练图像中的融合编码信息输入生成网络得到融合图像,利用融合图像在鉴别网络中的特征和实际融合编码特征之间的误差调整生成网络的参数;训练完成后,直接将待融合两幅图像的融合编码数据输入生成网络,便可生成同一物体的双光融合图像。2.根据权利要求1所述的基于深度卷积对抗生成网络DCGAN的双光图像融合模型,其特征在于:步骤一中所述鉴别网络提取特征的步骤为:(1)用于提取可见光和红外光图像的特殊信息,鉴别网络在原本的vgg网络后面加上结构为500-100-2的小型神经网络,初始化鉴别网络时,小型神经网络用截断正态分布随机数初始化,其他参数均使用原本vgg网络训练好的参数作为初始化;(2)鉴别网络的训练方式为将训练图像库中的数据按照可见光图像和红外光图像分为两类,将训练图像输入鉴别网络得到实际输出,对应输入图像的实际标签求得交叉熵:在设置完成迭代次数和优化器参数后,就可以进行鉴别网络训练,训练好的鉴别网络作为一个特定的特征提取器;(3)训练完成鉴别网络之后,利用该鉴别网络提取可见光图像和红外光图像的最后一层语义一维特征,设该...
【专利技术属性】
技术研发人员:齐兴顺,王胜利,张忠元,方勇,李哲,唐凯,黎炎,焦小强,陈杨,王宇,张波,邓璐,韩冬,
申请(专利权)人:国网甘肃省电力公司,国网甘肃省电力公司检修公司,
类型:发明
国别省市:甘肃,62
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。