[发明专利]一种基于辅助变量的对抗生成网络的彩色图像灰度化方法

权利要求书

1.一种基于辅助变量的对抗生成网络的彩色图像灰度化方法，其特征在于：包括以下步骤：

步骤A：检验输入图像是否为彩色图像，若为彩色图像则使用梯度相关相似度灰度化GcsDecolor算法对其进行灰度化处理，并将灰度化后图像进行复制，得到三份灰度化图像作为对抗生成网络的对比图像；

步骤B：设计基于辅助变量的对抗生成网络AV-GAN，训练AV-GAN网络；

构造基于辅助变量的对抗生成网络AV-GAN，并对其进行训练，将彩色图像中的R，G，B三通道作为网络的输入，AV-GAN网络包括一个生成器和一个鉴别器，生成器包括14个卷积层和若干个激活层；其中，卷积层以像素为单位，最小化两个图像之间的距离，令F(x_i；θ)为ConvNet模型的i^ith训练的输出，将训练的损失定义为：

其中，p表示每个像素，n表示图像中的总像素数；则其总体目标可以表示为：

其中，N表示训练示例的总数；此损失函数的行为是，将平均值作为结果，用以最小化损失；

鉴别器的输入是彩色图片经生成器后而产生的灰度图片，鉴别器由11个编码层组成，与生成器编码类似，每个编码层由步幅大于1的卷积运算、批量标准化以及泄露relu激活组成，最后一层由sigmoid激活，返回一个从0到1的数字，用以解释输入为真为假的概率，将步骤A中的三幅灰度化图像作为判断基准，判断为真，则返回1，不同则返回0；

对于AV-GAN网络而言，生成器和鉴别器都在输入x上进行调节，通过q_g对发生器进行参数化，用q_d对鉴别器进行参数化，其极小极大目标函数为：

在保证其稳定工作的状态下，考虑了生成器中输入x和输出y之间的L1差异，在每次迭代中，鉴别器根据上式最大化q_d，且生成器将以下列方式最小化：

按照此方式对网络进行训练，得到AV-GAN网络；

步骤C：将彩色图像通过已训练完成的AV-GAN网络进行测试，得到最终的灰度化图像。

2.根据权利要求1所述的一种基于辅助变量的对抗生成网络的彩色图像灰度化方法，其特征在于：所述步骤A为：

假设输入彩色图像为RGB格式，其中，R，G，B代表RGB通道，使用GcsDecolor算法对输入的彩色图像进行灰度化的处理，得到灰度化图像；

使用一阶多元多项式函数c＝{r，g，b}并将权重之和约束为1，计算原始颜色图像的每个通道中的梯度幅度与得到的灰度图像之间的整体像素相似性，即：

接下来，采用梯度相关性来描述结构的保持，并在RGB空间的每个通道中在得到的灰度图像和原始图像之间计算相似度，得到三个灰度化的通道，再将三个灰度化图像进行加和，得到最终的灰度化图像，最后将得到的灰度化后的图像进行复制，得到三份相同的灰度化图像，作为对抗生成网络鉴别器的参考。