[发明专利]基于cGAN的无限地形生成方法、系统、存储介质和终端

权利要求书

1.基于条件生成对抗网络的无限地形生成方法，其特征在于：包括以下步骤：

获取草图，所述的草图包括绘制的山脊线和河流线；

数据预处理：将所述草图覆盖已存在的生成地形对应位置，并打包该位置与周围八个方向邻接区域的地形灰度图，形成一整张待处理图像，作为地形生成网络的输入；

网络处理：将所述待处理图像在地形生成网络中进行处理，其中地形生成网络的输出将对中心草图区域进行地形的创作，通过该中心草图区域的草图与周围已有地形的高低起伏生成拟合周围走向的中心草图区域的地形灰度图；

后期处理：将输出的中心草图区域的地形灰度图与已有地形对应位置的区域分别乘以一个权重并相加，再赋值到已有地形中，形成当前的大地形灰度图；

主题渲染：通过主题渲染器来根据现有的大地形灰度图生成并渲染成3D场景。

2.根据权利要求1所述的基于条件生成对抗网络的无限地形生成方法，其特征在于：所述的地形生成网络包括生成器G和鉴别器D；

所述的生成器G由特征/真实图像对(X,Y)训练形成，其中X是九宫格图像，X的中心区域是特征图，高度图在其周围随机出现，特征图表示地形的山脊和河流特征，真实图像Y是与X对应的真实地形的高度图；受过训练的生成器G对输入的中心区域是特征图的X进行变换，以获得输出中心区域是高度图的输出图像G(X)；

受过训练的鉴别器D用于判别未知图像是否是由生成器产生的输出图像G(X)，所述的未知图像包括来自数据集的真实图像Y或来自生成器G的输出图像G(X)；

所述的地形生成网络的目标函数为：

其中：

V_CGAN(G,D)＝E_(X,Y)[logD(X,Y)]+E_X[log(1-D(X,G(X)))]；

式中，D(X,Y)与D(X,G(X))均为鉴别器D对不同图像对的判别结果，代表判断为真的概率；而E_(X,Y)[]表示对来自样本的所有特征/真实图像对(X,Y)的判别计算结果进行累加，并进一步使用概率分布的期望形式写出；E_X[]则表示是对特征/生成图像对(X,G(X))的判别计算结果进行累加，并进一步使用概率分布的期望形式写出；V_CGAN(G,D)表示条件生成对抗网络的目标函数；

V_L1(G)为L1范数损失函数，其中，λ表示L1范式的影响权重，以增加输出图像与输入图像的相似程度。

3.根据权利要求2所述的基于条件生成对抗网络的无限地形生成方法，其特征在于：所述的生成器G包括顺序连接的m层编码器和m层解码器，编码器的输入端输入中心区域是特征图的图像X，解码器的输出端输出输出图像G(X)；

其中，每个编码器均包括顺序连接的卷积层、批规范化层和线性整流函数层，每个解码器包括反卷积/上采样层、批规范化层和线性整流函数层；并且第n层的卷积层的输出端与第m-n层的反卷积层的输入端跳跃连接，其中m为层数；

所述的鉴别器D包括顺序连接的多个卷积层，相邻卷积层之间包括批规范化层和线性整流函数层；

生成器G和鉴别器D中的每层网络中包含若干训练优化的参数权重，通过训练动态更新其值。

4.根据权利要求3所述的基于条件生成对抗网络的无限地形生成方法，其特征在于：特征图的图像X大小为256×256×3，其中输入通道为3，表示输入图像为RGB三通道，因为对草图中山脉与河流进行了着色区分；输出图像G(X)大小为256×256×1，其中输出通道1，即是输出的图像仅为灰度图，范围是0到255；

而每一层编码器得到的图像大小分别为：64×64×128、32×32×256、16×16×512、8×8×512、4×4×512、2×2×512，编码器的输出端输出的图像大小为1×1×512；而每一层解码器得到的图像大小分别为2×2×512、4×4×512、8×8×512、16×16×512、32×32×256、64×64×128。