[发明专利]一种基于残差图像条件生成对抗网络的比特深度增强方法

权利要求书

1.一种基于残差图像条件生成对抗网络的比特深度增强方法，其特征在于，所述方法包括：

将低比特深度图像的零填充图像作为生成器的输入，学习生成残差图像；

构建鉴别器网络，采用跨步卷积层对特征图进行下采样，将提取的高级特征连接到一个维度，用于区分生成器生成的重建残差图和原始残差图像；

将内容一致损失和对抗损失之和作为总的损失函数；

通过优化器的梯度下降损失函数来训练生成器中各个卷积层和批量归一化层的参数，在总的损失函数的下降幅度不超过阈值之后，保存生成器及鉴别器中所有层的参数；

将测试集中的低比特深度图像输入保存的生成器网络中，输出残差图像，再与输入低比特深度图像的零填充图像相加，最终重建高比特深度图像。

2.根据权利要求1所述的一种基于残差图像条件生成对抗网络的比特深度增强方法，其特征在于，

所述生成器是对称的卷积层和反卷积层结构，零填充图像作为生成器的输入，卷积层用于提取低比特深度图像的结构特征，反卷积层则基于提取的高级特征重建残差图像；

所述生成器每两层之间的特征图进行级联以传递到下一层，不仅解决了反向传播中的梯度消失问题，并将底层内容直接传递到顶层。

3.根据权利要求1所述的一种基于残差图像条件生成对抗网络的比特深度增强方法，其特征在于，将重建高比特深度图像与原始高比特深度图像之间的L2损失作为内容一致损失。

4.根据权利要求1所述的一种基于残差图像条件生成对抗网络的比特深度增强方法，其特征在于，所述内容一致损失为：

其中，F_i代表VGG-19网络的第i层特征图，f_i代表特征的大小，μ为比例系数，N提供全局和局部视野，I_HBD代表真实高比特深度图，代表重建的高比特深度图像，

L_cont代表感知损失，将感知损失用作内容一致损失，x～U(0,f_i)代表x服从均匀分布，G代表生成器。

5.根据权利要求4所述的一种基于残差图像条件生成对抗网络的比特深度增强方法，其特征在于，所述总的损失函数为：

其中，p_n定义为沿着从p_res到p_ZP的相应点之间的直线的均匀样本，λ代表比例系数，是梯度公式，p_res表示原始残差图像的分布，p_zp是零填充图像分布，D(G(x))代表零填充图像经过生成器生成的图像，再输入鉴别器之后的结果，D(x)代表鉴别器的输出，E是求均值符号，D代表鉴别器。