[发明专利]一种基于融合多种图像生成技术的加权平均图像生成方法

权利要求书

1.一种基于融合多种图像生成技术的加权平均图像生成方法，其特征在于：所述加权平均图像生成方法的具体步骤如下：

Step1、收集电力系统内部巡维人员传回的巡视图像，挑选其中目标明显且目标占图像四分之三的所述巡视图像作为样本图像，多个所述样本图像构建为输电线路的图像训练数据集，用于后期网络的训练和优化使用；

Step2、搭建生成式对抗网络(GAN)的模型，定义卷积层的层数，卷积核的尺寸和数目，采用的损失函数和优化器，将所述图像训练数据集内的其中一个所述样本图像输入，输出picture1；

Step3、选择基于深度特征提取的图像超分辨率重建(SRCNN)的网络模型，定义卷积层的层数，卷积核的尺寸和数目，采用的损失函数和优化器，将步骤Step2中的所述样本图像输入，输出picture2；

Step4、将步骤Step2中的所述样本图像进行灰度插值(Gray)的图像重建，输出picture3；

Step5、采用变分自编码器(VAE)来生成图像，定义编码器模型和解码器模型，定义重构误差函数和KL散度误差函数，依次作为最终的损失函数，定义各层的层数，卷积核的尺寸和数目，采用的损失函数和优化器，将步骤Step2中的所述样本图像输入所述变分自编码器，输出picture4；

Step6、基于以上步骤的完成，生成的重叠的高分辨率图像块可以通过加权平均来产生最终的生成的完整图，定义一个卷积层作为滤波器，输入picture1、picture2、picture3和picture4，输出最终的高分辨率图像。

2.根据权利要求1所述的一种基于融合多种图像生成技术的加权平均图像生成方法，其特征在于：步骤Step1中所述图像训练数据集中的所述样本图像选用清晰且具有明显特征的图像，对所述样本图像进行预处理并用标注软件对样本图像进行标注。

3.根据权利要求1所述的一种基于融合多种图像生成技术的加权平均图像生成方法，其特征在于：步骤Step2、Step3、Step4和Step5可同时输入同一个所述样本图像。

4.根据权利要求1所述的一种基于融合多种图像生成技术的加权平均图像生成方法，其特征在于：步骤Step3中所述灰度插值的图像重建选用双三次插值方法。

5.根据权利要求1所述的一种基于融合多种图像生成技术的加权平均图像生成方法，其特征在于：步骤Step2、Step3、Step4和Step5四种方法生成图像质量的优先级：

picture1picture2picture4picture3

于是，四种方法的权重分配公式如下：

λ₁(GAN)+λ₂(VAE)+λ₃(SRCNN)+λ₄(Gray)＝1

其中四个方法的具体权重比λ，根据具体图像的特征来调整。

6.根据权利要求1所述的一种基于融合多种图像生成技术的加权平均图像生成方法，其特征在于：步骤Step6所述滤波器的尺寸采用5×5，卷积核数目为1，从图像质量的常用评价指标PSNR(峰值信噪比)和SSIM(结构相似度)，以及深度学习网络的运行效率等方面综合考虑，采用三层的网络结构来实现以上的GAN、VAE、SRCNN等算法,平均操作层的具体形式如下：

F(X)＝W3*F2(X)+B3

式中F2为前一层的输出，W3为一个大小为5×5×1的线性滤波器，B3为对应的偏置量，kernel_num＝1表示最终输出所述高分辨率图像的数量为一张。