[发明专利]生成UV光谱图片的方法、系统、网络及存储介质

权利要求书

1.一种生成UV光谱图片的方法，其特征在于，包括以下步骤：

1)采集P对图片，每对图片包括一张原始日光图片和一张目标图片，所述目标图片即UV光谱图片；

2)对于第一对图片中的原始日光图片，将该原始日光图片缩小原始日光图片N倍，并将缩小后的图片A输入生成对抗网络的全局生成器网络，得到输出图片B；同时，将该原始日光图片输入生成对抗网络的局部增强网络，得到与图片B具有相同维度特征的图片C；融合图片B和C，得到融合特征，并将融合特征输入所述局部增强网络，得到输出图片D，计算输出图片D与目标图片的相似性G_GAN；

3)合成输出图片D与所述原始日光图片，将合成的图片输入判断器模型，得到输出D_fake；合成原始日光图片与目标图片，并将合成的图片输入判断器模型，得到输出D_real；

4)令L_loss1＝W1×G_GAN+W2×D_fake+W3×D_real；其中，W1，W2，W3为权重；

5)对于其余对图片，重复步骤2)～4)，分别得到L_loss2，L_loss3，……，L_lossP；

6)令L_loss＝(L_loss1+L_loss2+L_loss3+……+L_lossP)/P，判断L_loss是否收敛，若收敛，则利用L_loss更新所述生成对抗网络，并输出更新后的生成对抗网络；若不收敛，则利用L_loss更新所述生成对抗网络，并重复步骤2)～6)；

7)将日光图片输入所述更新后的生成对抗网络中，得到UV光谱图片。

2.根据权利要求1所述的生成UV光谱图片的方法，其特征在于，步骤4)中，还进行如下处理：

将输出图片D和目标图像输入卷积神经网络，分别得到输出D1和D2，

计算D1和D2的相似性G_VGG；

以及，步骤5)中，利用下式计算L_loss：

L_loss1＝W1×G_GAN+W2×D_fake+W3×D_real+W5×G_VGG；其中，W5为权重；

优选地，将P对图片随机划分为训练集和测试集；利用所述训练集获取更新后的生成对抗网络；利用所述测试集中的图片测试所述更新后的生成对抗网络。

3.根据权利要求2所述的生成UV光谱图片的方法，其特征在于，D1和D2的相似性G_VGG的具体计算过程包括：

将输出图片D和目标图片分别输入卷积神经网络，得到输出V11和V12，计算V11和V12的相似性，得到G_VGG_1；

将输出图片D和目标图片缩小N倍，然后分别输入卷积神经网络，得到输出V21和V22，计算V21和V22的相似性，得到G_VGG_2；

将输出图片D和目标图片缩小N*N倍，然后分别输入卷积神经网络，得到输出V31和V32，计算V31和V32的相似性，得到G_VGG_3；

得到G_VGG＝G_VGG_1+G_VGG_2+G_VGG_3。

4.根据权利要求1所述的生成UV光谱图片的方法，其特征在于，步骤4)中，合成输出图片D与原始日光图片，将合成的图片输入判断器模型，得到输出D_fake的具体过程包括：

合成输出图片D和原始日光图片，将合成的图片输入第一判断器模型，得到输出M11，计算M11与0的相似性，得到D_fake_1；

合成输出图片D和原始日光图片，将合成的图片缩小N倍，并将缩小后的图片输入第二判断器模型，得到输出M21，计算M21与0的相似性，得到D_fake_2；

合成输出图片D和原始日光图片，将合成的图片缩小N*N倍，并将缩小后的图片输入第三判断器模型，得到输出M31，计算M31与0的相似性，得到D_fake_3；

得到D_fake＝D_fake_1+D_fake_2+D_fake_3。