基于自适应边缘对比学习和小波变换的图像翻译方法及系统技术方案

本发明专利技术公开了一种基于自适应边缘对比学习和小波变换的图像翻译方法及系统，对待翻译图像进行编码得到内容编码、多尺度高频分量和多尺度低频分量，同时对参考图像进行风格提取和风格空间增强得到对应的风格编码，对多尺度高频分量和多尺度低频分量分别进行预处理得到多尺度逆转高频分量和多尺度逆转低频分量，将风格编码、多尺度逆转高频分量和多尺度逆转低频分量进行频率增强风格融合得到融合特征，采用自适应边缘的对比损失来增进类内紧凑性和类间差异性，本发明专利技术能够后合成高质量的翻译图像，翻译后的图像能够保留其相应的源图像的域不变特征，翻译图像在风格模式上应该与其对应的参考图像相似。

【技术实现步骤摘要】

本专利技术涉及计算机图像处理，尤其涉及一种基于自适应边缘对比学习和小波变换的图像翻译方法及系统。

技术介绍

1、现有的非配对图像到图像的翻译大致可分为三类。第一类方法学习源图像和目标图像之间的双向映射，通过在训练过程中使用循环一致性损失迫使翻译图像重建至源图像。第二种方法是基于解耦表征，充分解耦图像的内容和风格，同时在特征空间中交换内容和风格向量以实现图像翻译。最后一种方法探究了对比学习，以学习输入和输出之间的语义对应关系。然而，假如源域和目标域之间存在不匹配的语义统计，上述方法往往会产生不同程度的语义扭曲。语义扭曲通常是指生成图像中出现的伪影、幻觉和无关属性，这是不匹配语义统计的训练数据集上强制匹配(对抗性训练)所造成的结果，存在模式坍塌、结构扭曲和风格不连续三个主要缺陷。来自不同视觉域的未配对图像通常具有不匹配的语义统计。缓解语义扭曲对于提高翻译图像的保真度和视觉质量以及使用生成的数据训练下游任务来说是一个关键和具有挑战性的问题。

技术实现思路

1、本专利技术的目的在于提供一种基于自适应边缘对比学习和小波本文档来自技高网...

【技术保护点】

1.一种基于自适应边缘对比学习和小波变换的图像翻译方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于自适应边缘对比学习和小波变换的图像翻译方法，其特征在于，从待翻译图像中提取域不变内容编码。

3.根据权利要求1所述的一种基于自适应边缘对比学习和小波变换的图像翻译方法，其特征在于，采用Haar小波变换将多尺度编码特征分解为多尺度高频分量和多尺度低频分量。

4.根据权利要求1所述的一种基于自适应边缘对比学习和小波变换的图像翻译方法，其特征在于，利用离散小波逆变换模块将得到的多尺度频率分量从频域变换到空间域，从而得到相应的多尺度逆转低频和多尺...

【技术特征摘要】

1.一种基于自适应边缘对比学习和小波变换的图像翻译方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于自适应边缘对比学习和小波变换的图像翻译方法，其特征在于，从待翻译图像中提取域不变内容编码。

3.根据权利要求1所述的一种基于自适应边缘对比学习和小波变换的图像翻译方法，其特征在于，采用haar小波变换将多尺度编码特征分解为多尺度高频分量和多尺度低频分量。

4.根据权利要求1所述的一种基于自适应边缘对比学习和小波变换的图像翻译方法，其特征在于，利用离散小波逆变换模块将得到的多尺度频率分量从频域变换到空间域，从而得到相应的多尺度逆转低频和多尺度逆转高频，然后将多尺度逆转低频、多尺度逆转高频和风格编码送入频率增强的风格调制模块进行自适应高效地融合。

5.根据权利要求1所述的一种基于自适应边缘对比学习和小波变换的图像翻译方法，其特征在于，将多尺度逆转低频和多尺度逆转高频经过插值和卷积操作，产生相应的低频统计特性和高频统计特性，通过高频统计特性对低频缩放参数和平移参数进行调制，分别得到融合后的频率...

【专利技术属性】
技术研发人员：杨义军，张恒，曾薇，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：