一种基于自定义模糊逻辑与GAN的图像高光处理方法技术

本发明专利技术提出一种基于模糊逻辑与生成对抗网络的图像高光修复方法。在该方法中，使用模糊逻辑来对图像高光区域进行判断，并设计带有双判别器的生成对抗网络来对图像高光区域进行修复。此外，本发明专利技术在生成器网络中加入了亮度参数来控制生成图像的高光区域亮度范围，亮度参数通过模糊逻辑获得。本发明专利技术主要分为三部分，第一部分通过模糊逻辑划分高光区域；第二部分根据亮度参数生成修复图像并通过双判别器对图像进行真假判别，以便确保图像的真实性；第三部分使用图像融合技术处理图像生成部分与原图片，进一步提高高光区域修复效果。本发明专利技术较传统图像处理各方面都得到了极大的提高，尤其在图像质量方面提高显著。

【技术实现步骤摘要】
一种基于自定义模糊逻辑与GAN的图像高光处理方法
：本专利技术涉及图像生成处理
，尤其涉及一种基于深度神经网络的生成对抗网络在带有高光的图像上对高光进行检测并重新生成去除高光区域的方法。
技术介绍
：在图像形成过程中，由于物体受到光照或者由于物体表面曲率过大，会在物体表面形成光斑，出现光斑的部分就是高光溢出的部分。高光溢出部分对于图像处理造成极大的影响，诸如图像识别、目标检测以及场景分析等方面带来巨大阻碍。因此寻找一种有效的方法对高光区域进行去高光处理是图像处理领域的研究重点。深度学习是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,模仿人脑的机制来解释数据,例如图像,声音和文本等。随着深度学习的不断发展，出现了一些使用卷积神经网络来对图像进行修复的方法，基于深度神经卷积网络的图像修复技术得到了显著的提高。其中生成对抗网络的提出，使得目前的图像处理技术在多样性以及图片质量方面得到了进一步的提高。生成对抗网络对图像修复有着显著的效果。生成对抗网络是是根据博弈论中的零和博弈理论提出，利用该网络可以生成出非常逼真的本文档来自技高网...

【技术保护点】
1.一种基于自定义模糊逻辑与生成对抗网络(GAN)的图像高光处理方法。该方法通过将模糊逻辑与GAN相结合，使用处理过的人脸数据集和水果数据集进行训练，得到拟合后的模型用于对图像的高光区域进行高光弱化以及纹理再生处理。其特征主要包括：使用模糊逻辑对图像高光区域进行划分，对划分好高光区域的图片进行预处理，使用改进的生成器网络对图像进行区域填充，使用判别器网络对图像进行判断，最后当两者达到辨证统一时，图像处理完成。/n(1)所述的对划分好的区域进行预处理是指对模糊逻辑判定的高光区域生成二值掩码，并通过传统图像算法对图片大小进行处理，统一GAN网络输入图像的大小。/n(2)所述的使用改进的生成器网络对...

【技术特征摘要】
1.一种基于自定义模糊逻辑与生成对抗网络(GAN)的图像高光处理方法。该方法通过将模糊逻辑与GAN相结合，使用处理过的人脸数据集和水果数据集进行训练，得到拟合后的模型用于对图像的高光区域进行高光弱化以及纹理再生处理。其特征主要包括：使用模糊逻辑对图像高光区域进行划分，对划分好高光区域的图片进行预处理，使用改进的生成器网络对图像进行区域填充，使用判别器网络对图像进行判断，最后当两者达到辨证统一时，图像处理完成。
(1)所述的对划分好的区域进行预处理是指对模糊逻辑判定的高光区域生成二值掩码，并通过传统图像算法对图片大小进行处理，统一GAN网络输入图像的大小。
(2)所述的使用改进的生成器网络对图像进行区域填充是指将预处理后的人脸或者水果图像输入到深度卷积神经网络中，进行前向卷积运算和池化操作。在生成器网络中，本发明引入一个亮度的参数l，该参数通过模糊逻辑计算获得。传入生成器网络中的图片，经过模糊逻辑获得当前图片x的亮度参数l，图片经过生成网络处理后得到图片x’，该图片再次经过模糊逻辑获得一个处理后的图片亮度l’，并在损失函数中添加该参数。
(3)所述判别器网络对图像进行判断是指网络模型中的全局判别器和局部判别器共同对生成图形进行不同的判断。局部判别器主要识别缺失部分的结果是否正确，局部判别器的输入是原始丢失图像部分...

【专利技术属性】
技术研发人员：郭继峰，李星，马志强，庞志奇，朱泳，
申请(专利权)人：东北林业大学，
类型：发明
国别省市：黑龙江;23