[发明专利]一种基于生成式对抗网络的道路交通模糊图像增强方法在审
| 申请号： | 201910513691.8 | 申请日： | 2019-06-14 |
| 公开（公告）号： | CN110223259A | 公开（公告）日： | 2019-09-10 |
| 发明（设计）人： | 曹锦纲;李金华;郑顾平;杨国田;杨锡运 | 申请（专利权）人： | 华北电力大学（保定） |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06N3/04;G06N3/08 |
| 代理公司： | 石家庄开言知识产权代理事务所(普通合伙) 13127 | 代理人： | 赵俊娇 |
| 地址： | 071000 河*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于生成式对抗网络的道路交通模糊图像增强方法,包含基于生成式对抗网络的多尺度提取图像特征值进行多路径学习的模型，该模型设有生成网络和判别网络，首先将模糊图像输入生成网络然后生成清晰的图像，并将生成的清晰图像及原清晰图像输入给判别网络，然后将判别网络的输出值再利用损失函数反向传播给判别网络和生成网络，以此进行不断对抗训练且优化，直至判别网络无法区分清晰图像及原清晰图像。其具有多尺度卷积核的神经网络进行更细致地特征值提取；并将局部残差学习和全局残差学习相结合，采用多路径多权重共享的递归学习，该模型可以有效地提高道路交通场景下的运动模糊图像增强，生成图像的细节更加丰富，具有较好的图像视觉效果。 | ||
| 搜索关键词： | 网络 清晰图像 道路交通 模糊图像 生成式 多尺度 多路径 残差 对抗 学习 图像视觉效果 运动模糊图像 特征值提取 对抗训练 反向传播 神经网络 生成图像 输入生成 损失函数 提取图像 卷积核 有效地 再利用 递归 权重 图像 场景 输出 共享 清晰 全局 优化 | ||
【主权项】：
1.一种基于生成式对抗网络的道路交通模糊图像增强方法,其特征在于，该方法包含基于生成式对抗网络的多尺度提取图像特征值进行多路径学习的模型，该模型设有生成网络和判别网络，首先将模糊图像输入生成网络然后生成清晰的图像，并将生成的清晰图像及原清晰图像输入给判别网络，然后将判别网络的输出值再利用损失函数反向传播给判别网络和生成网络，以此进行不断对抗训练且优化，直至判别网络无法区分清晰图像及原清晰图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华北电力大学（保定），未经华北电力大学（保定）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910513691.8/，转载请声明来源钻瓜专利网。
