[发明专利]一种图像处理方法

权利要求书

1.一种图像处理方法，其特征在于，包括如下步骤：

采集包含处理特征的真实图像和不包含处理特征的真实图像，构建训练样本；

将训练样本输入至循环生成式对抗网络中，以预构建的损失函数最小为目标训练所述循环生成式对抗网络，所述损失函数包括全变分正则化损失函数；

采用训练好的循环生成式对抗网络对待处理图像进行处理；

所述循环生成式对抗网络的训练方法包括如下步骤：

采用循环生成式对抗网络的第二判别器计算输入训练样本包含处理特征的概率，获取包含处理特征的真实图像；

采用循环生成式对抗网络的第一生成器生成包含处理特征的真实图像的颜色注意力图和掩码注意力图，再将包含处理特征的真实图像和与其对应的颜色注意力图、掩码注意力图合成，通过循环生成式对抗网络的第一判别器判别获取不包含处理特征的第一合成图像；

采用循环生成式对抗网络的第二生成器生成第一合成图像的颜色注意力图和掩码注意力图，再将第一合成图像和与其对应的颜色注意力图、掩码注意力图合成为包含处理特征的第二合成图像；

采用循环生成式对抗网络的第一判别器计算输入训练样本包含处理特征的概率，获取不包含处理特征的真实图像；

采用循环生成式对抗网络的第二生成器生成不包含处理特征的真实图像的颜色注意力图和掩码注意力图，再将不包含处理特征的真实图像和与其对应的颜色注意力图、掩码注意力图合成，通过循环生成式对抗网络的第二判别器判别获取包含处理特征的第三合成图像；

采用循环生成式对抗网络的第一生成器生成第三合成图像的颜色注意力图和掩码注意力图，再将第三合成图像和与其对应的颜色注意力图、掩码注意力图合成为不包含处理特征的第四合成图像；

根据包含处理特征的真实图像、第二合成图像、不包含处理特征的真实图像和第四合成图像计算损失函数，以所述损失函数最小为目的，调整第二生成器、第一生成器、第二判别器和第一判别器；

所述损失函数如下：

L(G,F,D_x,D_y)＝L_GAN(F,D_y,X,Y)+L_GAN(G,D_x,Y,X)+λL_cyc(G,F,X,Y)+βL_TV(A)

其中，

式中，G为第一生成器，F为第二生成器，D_x为第一判别器，D_y为第二判别器；

X为不包含处理特征的真实图像训练样本集合，Y为包含处理特征的真实图像训练样本集合，x为不包含处理特征的真实图像，y为包含处理特征的真实图像，x'为y经第一生成器G生成的不包含处理特征的合成图像，y'为x经第一生成器G生成的包含处理特征的合成图像，y”为x'经第二生成器F生成的包含处理特征的合成图像，x”为y'经第二生成器F生成的不包含处理特征的合成图像；

|| ||₁为1范数函数；|| ||₂为2范数函数；

A为第一生成器G或第二生成器F生成的掩码注意力图，h为掩码注意力图的高度，w为掩码注意力图的宽度；

A_i,j为掩码注意力图的第i行j列的值，A_i+1,j为掩码注意力图的第i+1行j列的值，A_i,j+1为掩码注意力图的第i行j+1列的值，||A||₂为掩码注意力图的2范数；

A_G(y)为y经过G得到的掩码注意力图，A_G(y')为y'经过G得到的掩码注意力图，A_F(x)为x经过F得到的掩码注意力图，A_F(x')为x'经过F得到的掩码注意力图；

C_G(y)为y经过G得到的颜色注意力图，C_G(y')为y'经过G得到的颜色注意力图，C_F(x)为x经过F得到的颜色注意力图，C_F(x')为x'经过F得到的颜色注意力图；

D_y(y)为第二判别器D_y判断输入图像y是否为包含处理特征的真实图像，D_y(y')为第二判别器D_y判断输入图像y'是否为包含处理特征的真实图像，D_x(x)为第一判别器D_x判断输入图像x是否为不包含处理特征的真实图像，D_x(x')为第一判别器D_x判断输入图像x'是否为不包含处理特征的真实图像；

E[]为期望函数，y～P_data(Y)表示从包含处理特征的真实图像训练样本集合Y中随机选择一个包含处理特征的真实图像y，x～P_data(X)表示从不包含处理特征的真实图像训练样本集合X中随机选择一个不包含处理特征的真实图像x；

L(G,F,D_x,D_y)为循环生成式对抗网络的损失函数；

L_GAN(F,D_y,X,Y)为循环生成式对抗网络中第二生成器F和第二判别器D_y的极大极小化损失函数；

L_GAN(G,D_x,Y,X)为循环生成式对抗网络中第一生成器G和第一判别器D_x的极大极小化损失函数；

L_cyc(G,F,X,Y)为循环生成式对抗网络的循环一致损失函数；

L_TV(A)为循环生成式对抗网络的全变分差损失函数；

λ、β为超参数，为逐点相乘。