[发明专利]非对称的细粒度红外图像生成系统及方法

权利要求书

1.一种非对称的细粒度红外图像生成系统，其特征在于，包括：

编码器，用于获取红外图像，并对所述红外图像进行编码，得到红外图像的真实样本x的表征z；

生成器，用于获取真实样本的表征z，并通过对分布P(x|z,c)采样，生成红外图像的生成样本x’，将所述真实样本与所述生成样本进行成对样本匹配；

判别器，用于将所述真实样本的均值特征与生成样本的均值特征相匹配；

分类器，用于拟合后验概率分布P(c|x)；

红外图像生成模型，用于生成细粒度条件图像。

2.根据权利要求1所述的非对称的细粒度红外图像生成系统，其特征在于，所述编码器具体用于将输入的红外图像转化为一个二进制矩阵，图像标签转换为10维度的one-hot向量，对图像矩阵进行卷积，批量归一化，非线性激活操作，得到逼近红外图像真实样本分布的均值μ和协方差ε通过公式z＝μ+r·exp(ε)，得到红外图像的真实样本的表征z。

3.根据权利要求2所述的非对称的细粒度红外图像生成系统，其特征在于，所述判别器将所述真实样本的均值特征与生成样本的均值特征相匹配需要使损失函数最小化，

损失函数的公式为L_D＝-E_X～Pr[logD(x)]-E_z～Pz[log(1-D(G(z))]；

所述生成器将所述真实样本与所述生成样本进行成对样本匹配也需要使生成器对应的损失函数最小化，

损失函数的公式为

其中，f_D(x)和f_C(x)分别表示真实红外图像输入到判别器和分类器全连接层的特征，f_D(G(z))和f_D(x')表示生成的红外图像输入到判别器全连接层的特征，f_C(x')表示生成的红外图像输入到分类器全连接层的特征。

4.根据权利要求3所述的非对称的细粒度红外图像生成系统，其特征在于，所述分类器具体用于取x作为输入并输出K维向量，然后使用SOFTMAX函数变成类概率；每个条目的输出表示后验概率P(c|x)，在训练阶段，分类器试图最小化SOFTMAX的损失；通过公式：

L_C＝-E_X～Pr[logP(c|x)]；

5.根据权利要求4所述的非对称的细粒度红外图像生成系统，其特征在于，所述红外图像生成模型通过公式L＝L_D+L_C+λ₁L_G+λ₂L_GD+λ₃L_GC生成细粒度条件图像，且所述红外图像生成模型选择一个相同类别的图像x1和x2，利用编码器提取出潜在向量Z₁和Z₂，通过线性插值得到一系列的潜在向量Z，

6.一种非对称的细粒度红外图像生成方法，其特征在于，包括：

步骤1，获取红外图像，并对所述红外图像进行编码，得到红外图像的真实样本x的表征z；

步骤2，获取真实样本的表征z，并通过对分布P(x|z,c)采样，生成红外图像的生成样本x’，将所述真实样本与所述生成样本进行成对样本匹配；

步骤3，将所述真实样本的均值特征与生成样本的均值特征相匹配；

步骤4，拟合后验概率分布P(c|x)；

步骤5，生成细粒度条件图像。

7.根据权利要求6所述的非对称的细粒度红外图像生成方法，其特征在于，所述步骤2具体包括：将输入的红外图像转化为一个二进制矩阵，图像标签转换为10维度的one-hot向量，对图像矩阵进行卷积，批量归一化，非线性激活操作，得到逼近红外图像真实样本分布的均值μ和协方差ε通过公式z＝μ+r·exp(ε)，得到红外图像的真实样本的表征z。