训练图像的预处理方法及模块、鉴别器、可读存储介质技术

本发明专利技术提供一种训练图像的预处理方法，包括：获取训练图像的第一特征图像；对第一特征图像进行多次图像平移，以得到多个移位图像；移位图像中像素的行、列数与第一特征图像中像素的行、列数对应相同；根据第一特征图像与每个移位图像之间的相关性，生成多个相关性图像，相关性图像中像素的行、列数与第一特征图像中像素的行、列数对应相同；将所述多个相关性图像提供给鉴别网络。本发明专利技术还提供一种训练图像的预处理模块、鉴别器、计算机可读存储介质。本发明专利技术能够使鉴别器更准确地区分原始的高分辨率样本图像和生成器的输出结果，从而促使生成器能够训练得到更优的参数。

【技术实现步骤摘要】
训练图像的预处理方法及模块、鉴别器、可读存储介质
本专利技术涉及图像处理领域，具体涉及一种训练图像的预处理方法方法、训练图像的预处理模块、鉴别器和计算机可读存储介质。
技术介绍
在生成式对抗神经网络(GenerativeAdversarialNetworks，GAN)中，生成网络和鉴别网络进行交替训练。生成网络对低分辨率样本图像进行分辨率放大并输出放大结果，鉴别网络可以接收生成网络的输出图像，并输出生成网络的输出图像与原始高分辨率样本图像的匹配度。如果输出为0，则鉴别网络认为其接收到的图像为生成网络的输出结果；若鉴别网络输出为1，则鉴别网络认为其接收到的图像为原始的高分辨率样本图像。通过训练生成网络来使鉴别网络的输出最大化，以使生成网络输出结果更加真实；并且对鉴别网络进行训练，以准确区分原始的高分辨率样本图像和生成网络的输出结果。通过二者的交替训练，从而相互竞争，获得最佳模型。如何使鉴别网络更准确地区分原始的高分辨率样本图像和生成网络的输出结果，从而促使生成网络能够训练得到更优的参数，成为本领域亟待解决的技术问题。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一，提出了一种训练图像的预处理方法及模块、鉴别器、计算机可读存储介质。为了实现上述目的，本专利技术提供一种训练图像的预处理方法，用于生成式对抗网络的训练过程中，所述生成式对抗网络包括鉴别网络，所述训练图像的预处理方法包括：获取训练图像的第一特征图像；对所述第一特征图像进行多次图像平移，以得到多个移位图像；所述移位图像中像素的行、列数与所述第一特征图像中像素的行、列数对应相同；根据所述第一特征图像与每个移位图像之间的相关性，生成多个相关性图像，所述相关性图像中像素的行、列数与所述第一特征图像中像素的行、列数对应相同；将所述多个相关性图像提供给鉴别网络；其中，所述移位图像的一部分区域中各像素的值与所述第一特征图像的相同大小的区域中各像素的值一一对应相同，所述移位图像的其余区域中的各像素值均为零；或者，所述移位图像的所有像素的值与所述第一特征图像的所有像素的值一一对应相同。可选地，所述相关性图像中，第i行第j列像素的值为所述第一特征图像中第i行第j列像素的值与所述移位图像中第i行第j列像素的值的乘积；其中，1≤i≤X，1≤j≤Y，i、j均为整数，X为所述第一特征图像中像素的总行数，Y为所述第一特征图像中像素的总列数。可选地，每次所述图像平移包括：将所述第一特征图像的后a列像素沿行方向平移至其余像素之前，得到中间图像；将所述中间图像的后b行像素沿列方向平移至其余像素之前，得到所述移位图像；其中，0≤a＜Y，0≤b＜X，a、b均为整数，X为所述第一特征图像中像素的总行数，Y为所述第一特征图像中像素的总列数；并且，在任意两次图像平移过程中，a、b中至少一者的取值发生改变。可选地，所述获取训练图像的第一特征图像，包括：根据所述训练图像的亮度特征生成训练图像的亮度特征图像；对所述亮度特征图像进行归一化，以得到所述训练图像的第一特征图像。可选地，所述训练图像为彩色图像，所述亮度特征图像中第i行第j列的像素值P根据以下公式计算：P＝0.299R+0.587G+0.114B其中，R为训练图像中第i行第j列像素的红色分量值；G为训练图像中第i行第j列像素的绿色分量值；B为训练图像中第i行第j列像素的蓝色分量值；1≤i≤X，1≤j≤Y，i、j均为整数，X为所述训练图像中像素的总行数，Y为所述训练图像中像素的总列数。可选地，根据以下公式得到所述训练图像的第一特征图像：其中，N为所述训练图像的第一特征图像，I为所述训练图像的亮度特征图像；Blur为高斯模糊运算。相应地，本专利技术还提供一种训练图像的预处理模块，用于生成式对抗网络的鉴别器中，所述鉴别器包括鉴别模块，所述训练图像的预处理模块包括：特征获取单元，用于获取训练图像的第一特征图像；平移相关单元，用于对所述第一特征图像进行多次图像平移，以得到多个移位图像；并根据所述第一特征图像与每个移位图像之间的相关性，生成多个相关性图像；并将所述多个相关性图像提供给所述鉴别模块；其中，所述移位图像的一部分区域中各像素的值与所述第一特征图像的相同大小的区域中各像素的值一一对应相同，所述移位图像的其余区域中的各像素值均为零；或者，所述移位图像的所有像素的值与所述第一特征图像的所有像素的值一一对应相同；所述相关性图像中像素的行、列数与所述第一特征图像中像素的行、列数对应相同。可选地，所述相关性图像中，第i行第j列像素的值为所述第一特征图像中第i行第j列像素的值与所述移位图像中第i行第j列像素的值的乘积；其中，1≤i≤X，1≤j≤Y，i、j均为整数，X为所述第一特征图像中像素的总行数，Y为所述第一特征图像中像素的总列数。可选地，每次所述图像平移包括：将所述第一特征图像的后a列像素沿行方向平移至其余像素之前，得到中间图像；将所述中间图像的后b行像素沿列方向平移至其余像素之前，得到所述移位图像；其中，0≤a＜Y，0≤b＜X，a、b均为整数，X为所述第一特征图像中像素的总行数，Y为所述第一特征图像中像素的总列数；并且，在任意两次图像平移过程中，a、b中至少一者的取值发生改变。可选地，所述特征获取单元包括：亮度特征获取子单元，用于根据所述训练图像的亮度特征生成训练图像的亮度特征图像；归一化子单元，用于对所述亮度特征图像进行归一化，以得到所述训练图像的第一特征图像。可选地，所述训练图像为彩色图像，所述亮度特征图像中第i行第j列的像素值P根据以下公式计算：P＝0.299R+0.587G+0.114B其中，R为训练图像中第i行第j列像素的红色分量值；G为训练图像中第i行第j列像素的绿色分量值；B为训练图像中第i行第j列像素的蓝色分量值；1≤i≤X，1≤j≤Y，i、j均为整数，X为所述训练图像中像素的总行数，Y为所述训练图像中像素的总列数。可选地，所述归一化子单元根据以下公式得到所述训练图像的第一特征图像：其中，N为所述训练图像的第一特征图像，I为所述亮度特征图像；Blur为高斯模糊运算。相应地，本专利技术还提供一种鉴别器，包括鉴别模块和上述训练图像的预处理模块，所述鉴别模块具有至少一个输入端，所述鉴别模块用于输出其输入端接收到的图像与相同分辨率的预设标准图像之间的匹配度；所述训练图像的预处理模块与所述鉴别模块的输入端一一对应，所述训练图像的预处理模块输出的图像提供至所述鉴别模块相应的输入端。相应地，本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述训练图像的预处理方法。附图说明附图是用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术，但并不构成对本专利技术的限制。在附图中：图1为本专利技术实施例中提供的训练图像的预处理模块的结构示意图；图2为一个3*3的第一特征图像中的像素值分布示意图；图3为对图2的图像进行图像平移后得到的9个移位图像中的每个图像的像素值分布示意图；图4为采用另一种方式对图2的图像进行图像平移后得到的9个移位图像中的每个图像的像素值分布示意图；图5为本专利技术实施例提供的一种训练图像的预处理方法流程图；图6为本专利技术实施例提供的另一种训练图像的预处理方法流程图；本文档来自技高网...

【技术保护点】
1.一种训练图像的预处理方法，用于生成式对抗网络的训练过程中，所述生成式对抗网络包括鉴别网络，其特征在于，所述训练图像的预处理方法包括：获取训练图像的第一特征图像；对所述第一特征图像进行多次图像平移，以得到多个移位图像；所述移位图像中像素的行、列数与所述第一特征图像中像素的行、列数对应相同；根据所述第一特征图像与每个移位图像之间的相关性，生成多个相关性图像，所述相关性图像中像素的行、列数与所述第一特征图像中像素的行、列数对应相同；将所述多个相关性图像提供给鉴别网络；其中，所述移位图像的一部分区域中各像素的值与所述第一特征图像的相同大小的区域中各像素的值一一对应相同，所述移位图像的其余区域中的各像素值均为零；或者，所述移位图像的所有像素的值与所述第一特征图像的所有像素的值一一对应相同。

【技术特征摘要】
1.一种训练图像的预处理方法，用于生成式对抗网络的训练过程中，所述生成式对抗网络包括鉴别网络，其特征在于，所述训练图像的预处理方法包括：获取训练图像的第一特征图像；对所述第一特征图像进行多次图像平移，以得到多个移位图像；所述移位图像中像素的行、列数与所述第一特征图像中像素的行、列数对应相同；根据所述第一特征图像与每个移位图像之间的相关性，生成多个相关性图像，所述相关性图像中像素的行、列数与所述第一特征图像中像素的行、列数对应相同；将所述多个相关性图像提供给鉴别网络；其中，所述移位图像的一部分区域中各像素的值与所述第一特征图像的相同大小的区域中各像素的值一一对应相同，所述移位图像的其余区域中的各像素值均为零；或者，所述移位图像的所有像素的值与所述第一特征图像的所有像素的值一一对应相同。2.根据权利要求1所述的训练图像的预处理方法，其特征在于，所述相关性图像中，第i行第j列像素的值为所述第一特征图像中第i行第j列像素的值与所述移位图像中第i行第j列像素的值的乘积；其中，1≤i≤X，1≤j≤Y，i、j均为整数，X为所述第一特征图像中像素的总行数，Y为所述第一特征图像中像素的总列数。3.根据权利要求1所述的训练图像的预处理方法，其特征在于，每次所述图像平移包括：将所述第一特征图像的后a列像素沿行方向平移至其余像素之前，得到中间图像；将所述中间图像的后b行像素沿列方向平移至其余像素之前，得到所述移位图像；其中，0≤a＜Y，0≤b＜X，a、b均为整数，X为所述第一特征图像中像素的总行数，Y为所述第一特征图像中像素的总列数；并且，在任意两次图像平移过程中，a、b中至少一者的取值发生改变。4.根据权利要求1所述的训练图像的预处理方法，其特征在于，所述获取训练图像的第一特征图像，包括：根据所述训练图像的亮度特征生成训练图像的亮度特征图像；对所述亮度特征图像进行归一化，以得到所述训练图像的第一特征图像。5.根据权利要求4所述的训练图像的预处理方法，其特征在于，所述训练图像为彩色图像，所述亮度特征图像中第i行第j列的像素值P根据以下公式计算：P＝0.299R+0.587G+0.114B其中，R为训练图像中第i行第j列像素的红色分量值；G为训练图像中第i行第j列像素的绿色分量值；B为训练图像中第i行第j列像素的蓝色分量值；1≤i≤X，1≤j≤Y，i、j均为整数，X为所述训练图像中像素的总行数，Y为所述训练图像中像素的总列数。6.根据权利要求1所述训练图像的预处理方法，其特征在于，根据以下公式得到所述训练图像的第一特征图像：其中，N为所述训练图像的第一特征图像，I为所述训练图像的亮度特征图像；Blur为高斯模糊运算。7.一种训练图像的预处理模块，用于生成式对抗网络的鉴别器中，所述鉴别器包括鉴别模块，其特征在于，所述训练图像的预处理模块包括：特征获取单元，用于获取训练图像的第一特征图像；平移相关单元，用于对所述第一特征图像进行多次图像平移，以得到多个移位...

【专利技术属性】
技术研发人员：那彦波，朱丹，刘瀚文，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：北京,11