【技术实现步骤摘要】
本专利技术涉及图像处理，特别地，涉及一种图像融合方法。
技术介绍
1、神经风格迁移(nst)旨在将某种艺术风格转移到指定的图片或视频中，使图片附带艺术效果的同时保留原有内容。gatys等人的开创性工作使风格迁移取得了重大的进展。其核心内容是给定内容图和风格图两张图片，使用预训练的辅助网络提取图片的特征，将浅层特征用于表示图片的风格，深层特征用于表示图片的内容，采用迭代优化的方式将风格图的艺术风格逐渐转移到内容图中。近年来大多数风格迁移方法都借鉴了gatys等人提出的方法,基于这种风格的表示方法。
2、既有很好的样式化效果，又有很强的泛化能力。然而，这类方法的共同点是需要一个辅助网络用于特征提取，这就导致风格迁移效果依赖于辅助网络的性能，当辅助网络无法准确提取图片的浅层或深层特征时，会导致与目标风格产生偏差或内容丢失等问题。此外，辅助网络在计算特征图时需要花费额外的计算资源，导致风格迁移算法的整体效率变低，这也会成为风格迁移算法广泛应用的阻碍。
3、基于此，有必要提出一种图像融合方法以解决或至少缓解上述缺陷。
技术实现思路
1、本专利技术的主要目的在于提供一种图像融合方法，旨在解决现有的图像在进行风格迁移过程中，通过辅助网络进行特征提取，容易造成风格偏差的技术问题。
2、为实现上述目的，本专利技术采用的技术方案如下：
3、一种图像融合方法，包括如下步骤：
4、s100、构建堆叠式生成网络系统，其中，所述堆叠式生成网络系统由一
5、s101、通过建立损失函数通过判断参与的子网络gi的数目，若i≤2，则损失函数和分别为：
6、
7、
8、反之，若i＞2时，损失函数为：
9、
10、
11、其中，τ(x1)表示对对应子网络g1添加随机噪声，g1′()表示子网络g1中卷积层提取的特征图；
12、s102、训练堆叠式生成网络系统；按照子系统的序号按序进行训练。
13、作为优选，所述子网络gi均包括卷积层、残差模块和上采样层，三者彼此电连接。
14、在步骤s101中所述损失函数的确定基于拉普拉斯先验获得。
15、作为优选，还包括如下步骤：
16、s1、对待提取的图像进行高斯模糊处理；
17、s2、通过canny检测算法获取图像中存在的边缘特征；
18、s3、将获取到的边缘特征输入堆叠式网络系统，并进行融合。
19、作为优选，所述卷积层之后需要进行groupnorm和leakyrelu激活，且斜率为0.2。
20、作为优选，所述步骤s1中的高斯模糊处理的卷积核根据图像的分辨率确定，具体步骤如下：
21、s10、对于分辨率＜512×512，该卷积核的大小设置为11×11；
22、s11、对于分辨率＝512×512，该卷积核的大小设置为15×15；
23、s12、对于分辨率＞512×512，该卷积核的大小根据实际所需进行设置。
24、作为优选，所述边缘特征的提取形式化如下：
25、x＝fy→x(y)；
26、其中，x表示边缘映射集，y表示原始图像集，fy→x()表示映射函数。
27、作为优选，所述步骤s102中，在对子网络gi进行训练时，一次仅更新一个子网络，其余子网络的参数保持不变。
28、本专利技术具有以下有益效果：
29、首先，相较于传统的图像融合(风格迁移)，即adain、linearwct、sanet、adaattn以及artflow这几种目前市面上的主流方法而言，能够更加准确地合成指定的风格，提升图像的视觉质量，同时，本专利技术中的合成方法在效率方面也得到了较大的提升。
30、除了上面所描述的目的、特征和优点之外，本专利技术还有其它的目的、特征和优点。下面将参照图，对本专利技术作进一步详细的说明。
本文档来自技高网...【技术保护点】
1.一种图像融合方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种图像融合方法，其特征在于，所述子网络Gi均包括卷积层、残差模块和上采样层，三者彼此电连接。
3.根据权利要求1所述的一种图像融合方法，其特征在于，在步骤S101中所述损失函数LGi的确定基于拉普拉斯先验获得。
4.根据权利要求1所述的一种图像融合方法，其特征在于，还包括如下步骤：
5.根据权利要求2所述的一种图像融合方法，其特征在于，所述卷积层之后需要进行GroupNorm和LeakyReLU激活，且斜率为0.2。
6.根据权利要求4所述的一种图像融合方法，其特征在于，所述步骤S1中的高斯模糊处理的卷积核根据图像的分辨率确定，具体步骤如下：
7.根据权利要求4或6所述的一种图像融合方法，其特征在于，所述边缘特征的提取形式化如下：
8.根据权利要求1所述的一种图像融合方法，其特征在于，所述步骤S102中，在对子网络Gi进行训练时，一次仅更新一个子网络，其余子网络的参数保持不变。
【技术特征摘要】
1.一种图像融合方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种图像融合方法，其特征在于，所述子网络gi均包括卷积层、残差模块和上采样层，三者彼此电连接。
3.根据权利要求1所述的一种图像融合方法，其特征在于，在步骤s101中所述损失函数lgi的确定基于拉普拉斯先验获得。
4.根据权利要求1所述的一种图像融合方法，其特征在于，还包括如下步骤：
5.根据权利要求2所述的一种图像融合方法，其特征在于，所述卷积层之...
【专利技术属性】
技术研发人员：林英，张竣元，皮欢，朱童志军，刘泽雕，罗娅瑜，
申请(专利权)人：云南大学，
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。