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：武汉理工大学

摘要：本发明公开了一种基于风格迁移的声呐仿真图像生成方法、系统及介质，其中方法包括：根据真实声呐图像中所包含的目标物体类别，以卫星遥感图像为输入，对卫星遥感图像进行识别，识别出与目标物体类别相同的识别物，对识别物所在范围进行标记；对经过识别并标记的卫星遥感图像进行图像分割，以目标物体类别为分类，构建卫星子图像数据集；构建风格迁移网络，以真实的声呐图像作为风格图像，对分割后的卫星子图像进行风格迁移，生成声呐仿真图像，以作为训练样本图像。本发明基于遥感卫星图像，使用风格迁移网络，获得模拟的声呐图像，能够有效扩充声呐数据集的数量，为基于声呐图像的后续相关工作提供基础。本发明可广泛应用于图像处理技术领域。

主权项：1.一种基于风格迁移的声呐仿真图像生成方法，其特征在于，包括以下步骤：根据真实声呐图像中所包含的目标物体类别，以卫星遥感图像为输入，对所述卫星遥感图像进行识别，识别出与所述目标物体类别相同的识别物，对识别物所在范围进行标记；对经过识别并标记的卫星遥感图像进行图像分割，以目标物体类别为分类，构建卫星子图像数据集；构建风格迁移网络，以真实的声呐图像作为风格图像，对分割后的卫星子图像进行风格迁移，生成声呐仿真图像，以作为训练样本图像；所述构建风格迁移网络，以真实的声呐图像作为风格图像，对分割后的卫星子图像进行风格迁移，生成声呐仿真图像，以作为训练样本图像，包括：构建卷积神经网络，利用所述卷积神经网络网络提取真实声呐图像和卫星子图像的特征，以两张图片特征间的欧式距离和格拉姆矩阵的欧氏距离为损失函数进行优化，获得声呐仿真图像；所述构建卷积神经网络，利用所述卷积神经网络网络提取真实声呐图像和卫星子图像的特征，以两张图片特征间的欧式距离和格拉姆矩阵的欧氏距离为损失函数进行优化，获得声呐仿真图像，包括：以VGG16网络的前17层为基础，在VGG16前17层中添加shortcut连接，构建卷积神经网络；添加shortcut后的卷积神经网络计算表示为：xl+1＝xl+Fxl式中，xl和xl+1分别表示网络第l层和第l+1层的特征；Fxl表示网络的卷积和激活操作；添加shortcut后的网络反向传播过程为： 使用训练后的VGG16网络前17层作为所述卷积神经网络的主干，以真实的声呐图像作为风格图像，卫星子图像作为内容图像输入带有shortcut的VGG16网络，分别提取风格特征S和内容特征C；以风格特征S和内容特征C之间欧氏距离为内容损失，内容损失表示为： 式中i表示特征图中第i个元素；风格损失函数为： 式中是风格特征S在CNN第l层第i,j,k位置的输出，其中i,j,k对应高，宽，通道三个维度；是风格图片在CNN第l层第i,j,k′位置的输出，其中i,j,k′对应高，宽，通道三个维度；为是网络生成图像G在CNN第l层第i,j,k位置的输出，其中i,j,k对应高，宽，通道三个维度；为CNN第l层高度维度上的总数；为CNN第l层宽度维度上的总数；为CNN第l层通道维度上的总数；为CNN第l层的风格特征S在通道k′和通道k的格拉姆矩阵；为CNN第l层的内容特征C在通道k′和通道k的格拉姆矩阵；风格迁移的损失函数为：L＝αLc+βLs式中α、β为权重系数。

全文数据：

权利要求：

百度查询： 武汉理工大学 基于风格迁移的声呐仿真图像生成方法、系统及介质