本发明专利技术提供一种偏振图像生成方法、装置、电子设备和可读存储介质，涉及图像处理技术领域，方法包括：获取待处理可见光图像；将待处理可见光图像输入至预先训练好的偏振图像生成器中，得到目标偏振图像；偏振图像生成器基于偏振图像训练集、偏振损失函数以及光电场振动损失函数训练得到；其中，偏振损失函数用于衡量偏振图像生成器生成的预测偏振图像相较于偏振图像训练集中的偏振样本图像的偏振损失；光电场振动损失函数用于衡量偏振图像生成器生成的预测偏振图像相较于偏振图像训练集中的偏振样本图像的光电场振动损失，解决了现有技术中由于偏振相机对拍摄条件比较苛刻导致难以获得偏振图像的技术问题。难以获得偏振图像的技术问题。难以获得偏振图像的技术问题。
【技术实现步骤摘要】
偏振图像生成方法、装置、电子设备和可读存储介质
[0001]本专利技术涉及图像处理
，尤其涉及一种偏振图像生成方法、装置、电子设备和可读存储介质。
技术介绍
[0002]偏振作为光的一种基本物理属性，代表了光电场振动的方向。研究发现，利用光的偏振属性可以实现以非接触的方式分析出材料的各项物理特性。
[0003]在现有技术中，偏振图像应用领域依赖于偏振相机来获取需要的偏振图像，并通过偏振相机采集的偏振图像进行活体检测，以识别被拍摄物体是真实人脸，还是通过图片或者硅胶等伪造的。然而，由于偏振相机对拍摄光线、拍摄距离等参数有着非常苛刻的要求，因此，难以获得偏振图像进行活体检测，从而使得活体检测方法难以广泛应用。
技术实现思路
[0004]本专利技术提供一种偏振图像生成方法、装置、电子设备和可读存储介质，用以解决现有技术中由于偏振相机对拍摄条件比较苛刻导致难以获得偏振图像的缺陷，旨在为偏振图像应用领域提供了一种全新的获取偏振图像的方式，以避免偏振图像应用领域对偏振相机的依赖。
[0005]本专利技术提供一种偏振图像生成方法，包括：获取待处理可见光图像；
[0006]将所述待处理可见光图像输入至预先训练好的偏振图像生成器中，得到目标偏振图像；所述偏振图像生成器基于偏振图像训练集、偏振损失函数以及光电场振动损失函数训练得到；
[0007]其中，所述偏振损失函数用于衡量偏振图像生成器生成的预测偏振图像相较于偏振图像训练集中的偏振样本图像的偏振损失；
[0008]所述光电场振动损失函数用于衡量偏振图像生成器生成的预测偏振图像相较于偏振图像训练集中的偏振样本图像的光电场振动损失。
[0009]根据本专利技术提供的一种偏振图像生成方法，所述将所述待处理可见光图像输入至预先训练好的偏振图像生成器中，得到目标偏振图像，包括：
[0010]将所述待处理可见光图像输入至所述偏振图像生成器中的偏振特征提取网络，得到目标偏振特征；所述偏振特征提取网络基于所述偏振图像训练集提取的样本图像特征对预先构建的初始特征提取网络进行训练得到；
[0011]将所述目标偏振特征输入至所述偏振图像生成器中的偏振图像生成网络，得到所述目标偏振图像；所述偏振图像生成网络基于所述偏振图像训练集、所述偏振损失函数和所述光电场振动损失函数对预先构建的初始图像生成网络进行训练得到。
[0012]根据本专利技术提供的一种偏振图像生成方法，获取偏振图像训练集的步骤包括：
[0013]获取偏振相机采集的偏振图像数据，所述偏振图像数据包括多个偏振角度所对应的偏振图像；所述偏振角度的数量大于或者等于三个；
[0014]基于所述偏振图像数据和斯托克斯公式，获取可见光样本图像、第一偏振差样本图像和第二偏振差样本图像；
[0015]基于所述可见光样本图像、第一偏振差样本图像以及第二偏振差样本图像获取偏振度样本图像；
[0016]基于所述可见光样本图像、第一偏振差样本图像、第二偏振差样本图像和偏振度样本图像，得到所述偏振图像训练集。
[0017]根据本专利技术提供的一种偏振图像生成方法，训练所述偏振图像生成器中的偏振特征提取网络的步骤包括：
[0018]获取偏振图像训练集；所述偏振图像训练集包括可见光样本图像和多种偏振模态的偏振样本图像，所述偏振模态包括偏振差模态和偏振度模态；所述偏振差模态对应第一偏振差样本图像和第二偏振差样本图像；所述偏振度模态对应偏振度样本图像；
[0019]将所述偏振图像训练集输入至预先构建的初始特征提取网络中，得到初始样本特征数据，所述初始样本特征数据包括可见光样本图像特征以及多种偏振模态的偏振样本图像特征；
[0020]获取所述初始样本特征数据中的任意两种样本图像特征之间的欧式距离，并获取所有欧式距离对应的欧式距离之和；
[0021]基于最大化所述欧式距离之和的方向，优化所述初始特征提取网络的网络参数，并确定优化后的当前特征提取网络为所述偏振特征提取网络。
[0022]根据本专利技术提供的一种偏振图像生成方法，训练所述偏振图像生成器中的偏振图像生成网络的步骤包括：
[0023]将所述偏振图像训练集输入至所述偏振特征提取网络中，得到目标样本特征数据，所述目标样本特征数据包括可见光样本图像特征以及多种偏振模态的偏振样本图像特征；所述偏振模态包括偏振差模态和偏振度模态；所述偏振差模态对应第一偏振差样本图像和第二偏振差样本图像；所述偏振度模态对应偏振度样本图像；
[0024]将所述目标样本特征数据输入至预先构建的初始图像生成网络中，得到多种偏振模态的预测偏振图像；
[0025]基于所述预测偏振图像、所述偏振样本图像以及所述偏振损失函数获取偏振损失；
[0026]基于所述预测偏振图像、所述偏振样本图像以及所述光电场振动损失函数获取光电场振动损失；
[0027]基于所述偏振损失和所述光电场振动损失，获取所述初始图像生成网络的图像生成损失；
[0028]沿着最小化所述图像生成损失的方向，对所述初始图像生成网络进行优化，并确定优化后的当前图像生成网络为所述偏振图像生成网络。
[0029]根据本专利技术提供的一种偏振图像生成方法，所述基于所述预测偏振图像、所述偏振样本图像以及所述偏振损失函数获取偏振损失，包括：
[0030]将所述偏振样本图像输入至预先构建的偏振图像判别器中，得到所述偏振样本图像对应的第一图像判别结果；
[0031]将所述预测偏振图像输入至预先构建的偏振图像判别器中，得到所述预测偏振图
像对应的第二图像判别结果；
[0032]基于所述偏振样本图像及其对应的第一图像判别结果、所述预测偏振图像及其对应的第二图像判别结果，获取所述预测偏振图像相较于所述偏振样本图像的偏振损失。
[0033]根据本专利技术提供的一种偏振图像生成方法，所述基于所述预测偏振图像、所述偏振样本图像以及所述光电场振动损失函数获取光电场振动损失，包括：
[0034]基于傅里叶变换函数和所述偏振样本图像，获取所述偏振样本图像对应的第一光电场振动数据；
[0035]基于傅里叶变换函数和所述预测偏振图像，获取所述预测偏振图像对应的第二光电场振动数据；
[0036]基于所述第一光电场振动数据和所述第二光电场振动数据，获取所述预测偏振图像相较于所述偏振样本图像的光电场振动损失。
[0037]本专利技术还提供一种偏振图像生成装置，包括：图像获取模块，用于获取待处理可见光图像；
[0038]图像生成模块，用于将所述待处理可见光图像输入至预先训练好的偏振图像生成器中，得到目标偏振图像；所述偏振图像生成器基于偏振图像训练集、偏振损失函数以及光电场振动损失函数训练得到；其中，所述偏振损失函数用于衡量偏振图像生成器生成的预测偏振图像相较于偏振图像训练集中的偏振样本图像的偏振损失；所述光电场振动损失函数用于衡量偏振图像生成器生成的预测偏振图像相较于偏振图像训练集中的偏振样本图像的光电场振动损失。本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种偏振图像生成方法，其特征在于，包括：获取待处理可见光图像；将所述待处理可见光图像输入至预先训练好的偏振图像生成器中，得到目标偏振图像；所述偏振图像生成器基于偏振图像训练集、偏振损失函数以及光电场振动损失函数训练得到；其中，所述偏振损失函数用于衡量偏振图像生成器生成的预测偏振图像相较于偏振图像训练集中的偏振样本图像的偏振损失；所述光电场振动损失函数用于衡量偏振图像生成器生成的预测偏振图像相较于偏振图像训练集中的偏振样本图像的光电场振动损失。2.根据权利要求1所述的偏振图像生成方法，其特征在于，所述将所述待处理可见光图像输入至预先训练好的偏振图像生成器中，得到目标偏振图像，包括：将所述待处理可见光图像输入至所述偏振图像生成器中的偏振特征提取网络，得到目标偏振特征；所述偏振特征提取网络基于所述偏振图像训练集提取的样本图像特征对预先构建的初始特征提取网络进行训练得到；将所述目标偏振特征输入至所述偏振图像生成器中的偏振图像生成网络，得到所述目标偏振图像；所述偏振图像生成网络基于所述偏振图像训练集、所述偏振损失函数和所述光电场振动损失函数对预先构建的初始图像生成网络进行训练得到。3.根据权利要求1或2所述的偏振图像生成方法，其特征在于，获取偏振图像训练集的步骤包括：获取偏振相机采集的偏振图像数据，所述偏振图像数据包括多个偏振角度所对应的偏振图像；所述偏振角度的数量大于或者等于三个；基于所述偏振图像数据和斯托克斯公式，获取可见光样本图像、第一偏振差样本图像和第二偏振差样本图像；基于所述可见光样本图像、第一偏振差样本图像以及第二偏振差样本图像获取偏振度样本图像；基于所述可见光样本图像、第一偏振差样本图像、第二偏振差样本图像和偏振度样本图像，得到所述偏振图像训练集。4.根据权利要求3所述的偏振图像生成方法，其特征在于，训练所述偏振图像生成器中的偏振特征提取网络的步骤包括：获取偏振图像训练集；所述偏振图像训练集包括可见光样本图像和多种偏振模态的偏振样本图像，所述偏振模态包括偏振差模态和偏振度模态；所述偏振差模态对应第一偏振差样本图像和第二偏振差样本图像；所述偏振度模态对应偏振度样本图像；将所述偏振图像训练集输入至预先构建的初始特征提取网络中，得到初始样本特征数据，所述初始样本特征数据包括可见光样本图像特征以及多种偏振模态的偏振样本图像特征；获取所述初始样本特征数据中的任意两种样本图像特征之间的欧式距离，并获取所有欧式距离对应的欧式距离之和；基于最大化所述欧式距离之和的方向，优化所述初始特征提取网络的网络参数，并确定优化后的当前特征提取网络为所述偏振特征提取网络。
5.根据权利要求3所述的偏振图像生成方法，其特征在于，训练所述偏振图像生成器中的偏振图像生成网络的步骤包括：将所述偏振图像训练集输入至所述偏振特征提取网络中，得到目标样本特征数据，所述目...
【专利技术属性】
技术研发人员：张堃博，黄雅淋，田雨，孙哲南，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：
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。