买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安理工大学

摘要：本发明公开了基于多辨别器对抗网络的碑帖二值化背景噪声去除方法，包括如下步骤：步骤1：建立取样样本；步骤2：根据步骤1中的取样样本，进行预处理，作为最终训练数据集；步骤3：将步骤2中得到的训练数据集输入去噪网络中进行训练，依次更新生成网络权重和辨别网络权重；步骤4：将需要去除噪声的碑帖数据输入步骤3更新后的辨别网络和生成网络中进行去噪，得到去除噪声后的碑帖图像。本发明解决了碑帖图像在数字化过程中因为背景噪声的出现而导致的图像美观度下降、后续研究准确率降低的问题。

主权项：1.基于多辨别器对抗网络的碑帖二值化背景噪声去除方法，其特征在于，包括如下步骤：步骤1：建立取样样本；步骤2：根据步骤1中的取样样本，进行预处理，作为最终训练数据集；步骤3：将步骤2中得到的训练数据集输入去噪网络中进行训练，依次更新生成网络权重和辨别网络权重；步骤4：将需要去除噪声的碑帖数据输入步骤3更新后的辨别网络和生成网络中进行去噪，得到去除噪声后的碑帖图像；所述步骤3的具体过程为：步骤3.1：选取步骤2中任意一个带噪声图像Z，输入生成器网络G，带有噪声的碑帖图像Z经过生成器网络G的计算，输出一张与输入图像大小相同的干净图像fake_img＝GZ；步骤3.2：在步骤2中选取与步骤3.1中带噪图像Z配对的干净图像X，将步骤3.1生成的干净图像fake_img和干净图像X同时与选取的带噪图像Z配对得到两个图像对，记为：m＝{Z，fake_img}和n＝{Z，X}，随后将图像对m，n输入辨别网络D0，得到两个概率值D0m，D0n，建立对抗网络损失函数为公式1：Ladv0＝Em～pdatam[logD0m]+En～pdatan[log1-D0n]1其中Em～pdatam表示m服从真实数据概率分布的期望；En～pdatan表示n服从生成数据概率分布的期望；D0m表示生成图像对m输入辨别器D0后的输出值，表示该图像对为真的概率；D0n表示真实图像对n输入辨别器D0后的输出值，表示该图像对为真的概率；Ladv0表示生成器和辨别器D0对应的对抗损失函数；步骤3.3：在步骤2中随机选取一张干净图像X0，将X0和步骤3.1中生成图像fake_img输入辨别网络D1，得到两个概率值D1X0，D1fake_img，建立对抗网络损失函数为公式2：Ladv1＝EX～PdataX[logD1X]+EZ～PdataZ[log1-D1GZ]2其中EX～PdataX表示X服从真实干净数据概率分布期望，EZ～PdataZ表示Z服从真实带噪数据分布期望，GZ表示带噪图像经过生成器网络G计算后得到的去噪图像；D1X表示干净图像X输入辨别器D1输出的值，表示该图像为真的概率；D1GZ表示有生成器G生成的图像输入辨别器D1输出的值，表示将生成图像分为真的概率；Ladv1表示生成器和辨别器D1对应的对抗损失函数；步骤3.4：在步骤2中选取步骤3.2中干净图像X对应的高斯模糊后的图像W，将干净图像X，步骤3.1中生成的干净图像fake_img和高斯模糊后的图像W输入辨别网络D2，得到三个概率值D2X，D2fake_img和D2W，建立对抗网络损失函数为公式3：Ladv2＝E[logP0D2X+log1-P1D2W+log1-P2D2GZ]3其中E表示X服从真实干净数据概率分布期望、W服从真实高斯模糊数据概率分布期望、Z服从真实带噪数据分布期望，P0D2X表示辨别网络D2将图像X分类为标签0的概率，P1D2W表示辨别网络D2将图像W分类为标签1的概率，P2D2GZ表示辨别网络D2将生成图像GZ分类为标签2的概率；Ladv2表示生成器和辨别器D2对应的对抗损失函数；步骤3.5：将步骤3.2-3.4中三个辨别网络的对抗损失函数结合，得到公式4：Ladv＝λLadv0+αLadv1+βLadv24其中λ，α，β为常数且λ＝10，α＝β＝1，分别表示各个辨别网络在整体去噪模型中所占的权重比例；Ladv表示总的生成器和辨别器对应的对抗损失函数；最终可得到总的损失函数为：Lossω,θ＝Ladv+ηLL1G5其中ω和θ分别表示生成器网络和辨别器网络的权重，η表示常数且η＝1000，L表示损失值，L1表示曼哈顿距离，LL1表示L1距离的损失值；Lossω，θ表示总的损失函数；ω表示生成器的权重参数；θ表示辨别器的权重参数；步骤3.6：计算步骤3.5中总的损失函数，使用Adam梯度下降方式依次更新生成器与辨别器权重参数：Adamω,Loss,learning_rate，Adamθ,Loss,learning_rate；其中learning_rate表示梯度下降学习率，learning_rate＝0.0002，当D0n≈D0m，D1GZ≈D1X，D2GZ≈D2X，即fake_img≈X时，生成网络G生成的图像与干净图像无线接近时，训练完成。

全文数据：

权利要求：

百度查询： 西安理工大学 基于多辨别器对抗网络的碑帖二值化背景噪声去除方法