[发明专利]一种基于深度模型的可见光至红外图像转换方法

说明书

本发明涉及图像处理技术领域，提供了一种基于深度模型的可见光至红外图像转换方法。该方法包括：获取同时段同场景下的可见光‑红外图像对；搭建用于实现高拟真度可见光至红外图像转换的整体模型架构；分割可见光‑红外图像对，获得生成模型一，仿真生成各类红外图像；基于可见光‑红外图像对全图，以及分割掩膜训练生成对抗式网络二，实现对模型一生成结果中各类信息的补全，仿真生成红外全图；通过引入可见光透射率图，训练生成对抗式网络三，完成可见光至红外图像的转换。本发明获得了兼具高速度与高拟真度的可见光‑红外图像转换网络，提升了生成红外图像拟真度，实现数据集的扩充，为红外相关设备的研发提供支撑。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于深度模型的可见光至红外图像转换方法。

背景技术

在不同波段光电图像当中，可见光波段生成的可见光图像和长波红外波段生成的红外图像，因为其特性的显著性，应用范围最为广泛。可见光图像指的是在人眼可见的波段范围内(0.38～0.78um)光线所成的图像，主要反映了所拍摄场景表面的反射能量分布情况。红外图像指的是在红外波段内光线所成的图像，即红外成像系统接收物反射或目标自身反射的红外线而形成的图像，主要反映所拍摄目标的红外辐射特性，可以很好的表征所拍摄场景的辐射能量分布情况。

红外成像技术由于其制导精度高、抗干扰能力强、能远距离成像、夜间成像等优势，可以更好地实现红外目标探测、监视、跟踪和以及武器制导等。随着对红外辐射和红外光学的深入研究，红外成像技术发展迅速，在民用和军事领域均有广泛应用。在红外相关设备的研制和红外成像技术的研究过程中，需要大量多种条件下的红外图像数据作为验证测试的素材。尤其在基于深度网络的算法中，更需要大量的红外图像用于算法的训练、测试与验证。若仅通过红外摄像仪实拍采集红外图像，将大大限制相关技术的应用范围。首先，实测情况只可获取到当前特定环境的场景红外数据，同时采集各种材质在所有背景、所有时段的红外图像是不现实的；其次，特殊场景下，实拍红外图像的获取方式困难，如卫星红外图像、军事目标红外图像的获取需要耗费大量的的人力、物力；另外，虽然红外热像仪应用越来越广泛，但与其他仪器相比，价格仍然很昂贵。

发明内容

有鉴于此，本发明提供了一种基于深度模型的可见光至红外图像转换方法，以解决现有技术中传统红外图像生成算法存在仿真速度慢、假设条件多，基于深度模型红外仿真算法存在对红外图像信息利用不充分，生成红外图像拟真度低的问题。

本发明提供了一种基于深度模型的可见光至红外图像转换方法，包括：

S1获取同时段同场景下的可见光-红外图像对；

S2根据红外摄像仪的工作原理，制订深度模型训练策略，并搭建用于实现高拟真度可见光至红外图像转换的整体模型架构；

S3分割所述可见光-红外图像对，通过分割掩膜得到分割后的前景信息和背景信息送入生成对抗式网络一，获得生成模型一，仿真生成各类红外图像；

S4基于可见光-红外图像对全图，以及所述分割掩膜训练生成对抗式网络二，实现对所述生成模型一生成结果中各类信息的补全，仿真生成红外全图；

S5将可见光透射率-红外图像对和所述分割掩膜输入生成对抗式网络三，得到生成模型三，通过引入可见光透射率图，仿真透射作用对成像的影响，提升仿真红外图像拟真度。

进一步地，所述前景信息包括车辆类、行人类，所述背景信息包括天空、树木、路面、建筑。

进一步地，所述S1，包括：

从官方下载公开可见光-红外数据集，将未配准的所述可见光-红外数据集进行图像配准；

在同时段同场景下，将可见光摄像机和红外热像仪自行拍摄所述可见光-红外数据集，并将所述可见光-红外数据集进行图像配准。

进一步地，所述S2，包括：