[发明专利]一种基于条件生成式对抗网络的水下气泡图像生成方法

说明书

本发明涉及一种基于条件生成式对抗网络的水下气泡图像生成方法，包括：构建条件生成式对抗网络，条件生成式对抗网络包括生成器和判别器；将随机生成的气泡状态类型标签b作为条件生成式对抗网络的条件因子，通过高斯分布产生随机噪声z，同时，获取真实数据x；以类型标签b和随机噪声z作为生成器的输入，生成合成数据；以合成数据和真实数据x，以及对应的类型标签b作为判别器的输入；对生成器和判别器同时进行训练，当生成器和判别器之间的对抗达到平衡，得到目标条件生成式对抗网络。本发明的方法能够生成大量逼真的水下气泡图像，可有效解决水下目标数量不足，训练集规模小，影响状态判断精度的缺陷的问题。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于条件生成式对抗网络的水下气泡图像生成方法。

背景技术

气泡羽流作为气液两相流的一种，在工程中已有广泛的应用。均匀环境下，气泡羽流形成要经历三个阶段：羽流发生区，羽流主体区和表面流区，气泡羽流形态识别能够为发动机水下排气、舰船尾流跟踪、天然气管道故障点排查等工作提供重要信息。

目前，深度学习在目标识别领域已经取得了较大进展，但是，由于水下图像采集困难，训练集数据量少，而深度学习方法需要大量的传感器数据来自动提取数据特征，在数据集规模较小的情况下，训练中很容易出现过拟合情况，导致网络泛化能力差，识别精度下降。

发明内容

本发明的目的在于提出一种基于条件生成式对抗网络的水下气泡图像生成方法，旨在生成处于不同状态水下气泡流近似真实的传感器数据，扩充水下气泡流分类问题数据集规模，以提高深度学习算法识别精度。

本发明所采用的技术方案为：

一种基于条件生成式对抗网络的水下气泡图像生成方法，包括如下步骤：

步骤一、构建条件生成式对抗网络，所述条件生成式对抗网络包括生成器和判别器；

步骤二、将随机生成的气泡状态类型标签b作为所述条件生成式对抗网络的条件因子，通过高斯分布产生随机噪声z，同时，获取真实数据x；

步骤三、以类型标签b和随机噪声z作为所述生成器的输入，生成合成数据；以所述合成数据和真实数据x，以及对应的类型标签b作为所述判别器的输入；对所述生成器和所述判别器同时进行训练，当所述生成器和所述判别器之间的对抗达到平衡，得到目标条件生成式对抗网络。

进一步地，步骤一中，所述生成器包括四个二维卷积层、两个LSTM层和两个全连接层。

进一步地，所述生成器中，卷积层1中过滤器数量为16，内核尺寸为7*7，采用ReLU激活函数；卷积层2中过滤器数量为32，内核尺寸为5*5，采用ReLU激活函数；卷积层3中过滤器数量为64，内核尺寸为3*3，采用ReLU激活函数；卷积层4中过滤器数量为128，内核尺寸为1*1，仍采用ReLU激活函数；每个卷积层的dropoutrate均设置为0.4；

从四个卷积层中提取到的特征向量作为LSTM层的输入，两个LSTM层的units参数均设置为200，并采用Hanh激活函数；与LSTM层相连的第一个全连接层的units参数设置为150，采用ReLU激活函数；第二个全连接层units参数设置为3，采用Linear激活函数。

进一步地，步骤一中，所述判别器包括由两个二维卷积层、一个池化层、一个Flatten层和两个全连接层。

进一步地，所述判别器中，卷积层1的过滤器数量为64，内核尺寸为5*5，采用LeakyReLU激活函数；卷基层2的过滤器数量为128，内核尺寸为3*3，也采用LeakyReLU激活函数；每个卷积层的dropoutrate均设置为0.4；