[发明专利]生成对抗网络训练方法、图像处理方法、设备及存储介质

权利要求书

1.一种生成对抗网络的训练方法，所述生成对抗网络包括生成网络和鉴别网络，所述生成网络用于对图像进行分辨率提升，所述训练方法包括生成网络训练步骤，其特征在于，所述生成网络训练步骤包括：

从高分辨率样本图像中提取低分辨率样本图像，所述高分辨率样本图像的分辨率高于所述低分辨率样本图像的分辨率；

分别将第一输入图像和第二输入图像提供给所述生成网络，以分别生成基于第一输入图像的第一输出图像和基于第二输入图像的第二输出图像；其中，第一输入图像包括所述低分辨率样本图像和第一幅度的噪声样本所对应的第一噪声图像；所述第二输入图像包括所述低分辨率样本图像和第二幅度的噪声样本所对应的第二噪声图像；所述第一幅度大于0，所述第二幅度等于0；

分别将所述第一输出图像和所述高分辨率样本图像提供给鉴别网络，所述鉴别网络输出基于所述第一输出图像的第一鉴别结果和基于所述高分辨率样本图像的第二鉴别结果；

调整所述生成网络的参数以减小生成网络的损失函数；其中，所述生成网络的损失函数包括第一项、第二项和第三项的叠加，所述第一项基于所述第二输出图像和所述高分辨率样本图像之间的重构误差；所述第二项基于所述第一输出图像与所述高分辨率样本图像之间的感知误差；所述第三项基于所述第一鉴别结果和第二鉴别结果。

2.根据权利要求1所述的训练方法，其特征在于，根据所述第二输出图像与所述高分辨率样本图像的差值图像矩阵的L1泛数、所述第二输出图像与所述高分辨率样本图像之间的均方误差、所述第二输出图像与所述高分辨率样本图像之间的结构相似性中的任意一者确定所述第二输出图像和所述高分辨率样本图像之间的重构误差。

3.根据权利要求1所述的训练方法，其特征在于，所述第一输出图像和所述第二输出图像均由所述生成网络通过分辨率提升步骤的迭代处理生成；所述生成网络的损失函数的第一项其中：

其中，X为所述高分辨率样本图像；所述第二输出图像与所述高分辨率样本图像之间的重构误差；

L为所述迭代处理中分辨率提升步骤的总次数；L≥1；为所述生成网络基于所述第二输入图像进行的迭代处理中第l次分辨率提升步骤结束时生成的图像；l ≤L；

LR为所述低分辨率样本图像；下采样后得到的与低分辨率样本图像分辨率相同的图像；

HR^l为所述高分辨率样本图像进行下采样后得到的与分辨率相同的图像；

对矩阵能量的计算，矩阵能量为矩阵中元素的最大值或平均值；

。

4.根据权利要求3所述的训练方法，其特征在于，所述生成网络的损失函数的其中：

第一输出图像与所述高分辨率样本图像之间的感知误差；

l次分辨率提升步骤结束时生成的图像；

分辨率相同的图像；

；

。

5.根据权利要求4所述的训练方法，其特征在于，所述生成网络的损失函数的其中，

其中，进行迭代处理时生成图像组，该图像组包括各次分辨率提升步骤结束时生成的图像；

对高分辨率样本图像进行下采样后得到的与

别结果；

。

6.根据权利要求5所述的训练方法，其特征在于，

。

7.根据权利要求1所述的训练方法，其特征在于，所述噪声样本为随机噪声。