[发明专利]图像鉴别方法、鉴别器和计算机可读存储介质

说明书

本发明提供一种图像鉴别方法，用于生成式对抗网络的训练过程中，生成式对抗网络包括生成网络，生成网络用于对输入的低分辨率图像进行不同倍率的分辨率提升处理，以得到分辨率不同的多个高分辨率图像；图像鉴别方法包括：获取一组待鉴别图像，每组待鉴别图像包括：生成网络生成的多个分辨率不同的高分辨率图像；或者，分辨率与该多个高分辨率图像的分辨率一一对应相同的多个预设标准图像；根据获取到的一组待鉴别图像确定分辨率最高的待鉴别图像与预设标准图像之间的匹配度。本发明还提供一种鉴别器和一种计算机可读存储介质。本发明能够使鉴别器更准确地区分原始的高分辨率样本图像和生成器的输出结果，从而促使生成器能够训练得到更优的参数。

技术领域

本发明涉及图像处理领域，具体涉及一种图像鉴别方法、鉴别器和计算机可读存储介质。

背景技术

在生成式对抗神经网络(Generative Adversarial Networks，GAN网络)中，生成网络和鉴别网络进行交替训练。生成网络对低分辨率样本图像进行分辨率提升并输出分辨率提升后的结果，鉴别网络可以接收生成器的输出图像，并输出0或1的标记。如果输出为0，则鉴别网络认为其接收到的图像为生成网络的输出结果；若鉴别网络输出为1，则鉴别网络认为其接收到的图像为原始的高分辨率样本图像。通过训练生成网络来使鉴别器的输出最大化，以使生成网络输出结果更加真实；并且对鉴别网络进行训练，以准确区分原始的高分辨率样本图像和生成网络的输出结果。通过二者的交替训练，从而相互竞争，获得最佳模型。

如何使鉴别网络更准确地区分原始的高分辨率样本图像和生成器的输出结果，从而促使生成网络能够训练得到更优的参数成为亟待解决的技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一，提出了一种图像鉴别方法、鉴别器和计算机可读存储介质。

为了实现上述目的，本发明提供一种图像鉴别方法，用于生成式对抗网络的训练过程中，所述生成式对抗网络包括生成网络，所述生成网络用于对输入的低分辨率图像进行不同倍率的分辨率提升处理，以得到分辨率不同的多个高分辨率图像；所述图像鉴别方法包括：

获取一组待鉴别图像，每组所述待鉴别图像包括：所述生成网络生成的多个分辨率不同的高分辨率图像；或者，分辨率与该多个高分辨率图像的分辨率一一对应相同的多个预设标准图像；

根据获取到的一组待鉴别图像确定分辨率最高的待鉴别图像与相同分辨率的预设标准图像之间的匹配度。

可选地，根据获取到的一组待鉴别图像确定分辨率最高的待鉴别图像与相同分辨率的预设标准图像之间的匹配度，包括：

生成每个待鉴别图像的特征图像；

依次进行多个下采样过程，多个下采样过程与多个特征图像一一对应，每个下采样过程包括：将相应的特征图像与相同分辨率的参考图像联接，得到合并图像；并对所述合并图像进行下采样，得到下采样特征图像；其中，第一次下采样过程中的参考图像为第一次下采样过程所对应的特征图像，第一次之后的下采样过程中的参考图像为上一次下采样过程得到的下采样特征图像；

根据最后一次下采样过程得到的下采样特征图像确定所述匹配度。

可选地，所述特征图像和所述下采样特征图像均为多通道图像，且所述下采样特征图像的通道数量与所述特征图像的通道数相同；

根据最后一次下采样过程得到的下采样特征图像确定所述匹配度，包括：

根据最后一次下采样过程得到的下采样特征图像生成通道数量小于所述下采样特征图像通道数量的判别图像，该判别图像为彩色图像或灰度图像；

根据所述判别图像确定所述匹配度。

可选地，生成每个待鉴别图像的特征图像，包括：

利用第一卷积层生成所述待鉴别图像的初始特征图像；