[发明专利]一种基于并行融合的判别模式的图像生成和识别方法

说明书

本发明公开了一种基于并行融合的判别模式的图像生成和识别方法，首先利用阈值分割法将获取的原始复杂图片进行分割和分解后，输入多个所述判别器阵列中，然后利用多个生成器接收随机噪声生成对应数量的训练图片后，输入所述判别器阵列中，结合分割得到的灰度图进行对抗博弈；接着将博弈结果输入组成判别矩阵后，将相邻两幅所述训练图片进行加权融合后，将得到的结果存放于下一个融合层，循环加权融合后，直至得到唯一融合结果，得到生成图像，提高图像生成和识别精度。

技术领域

本发明涉及图像生成技术领域，尤其涉及一种基于并行融合的判别模式的图像生成和识别方法。

背景技术

对抗生成网络(Generative Adversarial Network，简称GAN)是一种机器学习模型，是近年来人工智能领域的一个研究热点，被认为是无监督学习最具前景的方法之一。该模型由一个生成网络和一个判断网络组成，通过这两个网络不断的相互对抗和调整参数，最终达到生成和真实数据分布一样的样本。GAN在图像生成以难以训练著称，特别是对于具有多个子模态的复杂图像，在传统GAN框架下的模型生成的图像往往集中在某一个子模态，缺乏多样性，该现象极大地阻碍了利用GAN模型生成图像的技术，成为了一个亟待解决的问题。

随着信息科学技术的发展，多传感器信息融合Kalman滤波在国内外引起了广泛关注，也被广泛应用到包括国防、导航、信号处理、GPS定位等多个领域。在信息融合估值理论中，融合估值算法非常重要。两种常用的融合方法是集中式融合和分布式融合两种形式，但是图像生成和识别精度不高。

发明内容

本发明的目的在于提供一种基于并行融合的判别模式的图像生成和识别方法，提高图像生成和识别精度。

为实现上述目的，本发明提供了一种基于并行融合的判别模式的图像生成和识别方法，包括：

将获取的原始图像进行分割和分解后，输入对应的判别器阵列；

将利用生成器生成的训练图片输入对应的所述判别器进行对抗博弈；

将对抗博弈结果进行并行融合，得到生成图像。

其中，所述将获取的原始图像进行分割和分解后，输入对应的判别器，包括：

基于阈值分割法将获取的原始图像分割为多张灰度图，并对多张所述灰度图进行模式分解后，输入对应数量的判别器阵列中，其中，每个所述判别器阵列均包括多个判别器。

其中，所述将利用生成器生成的训练图片输入对应的所述判别器进行对抗博弈，包括：

利用多个生成器接收随机噪声，生成对应数量的训练图片，并将所述训练图片输入对应所述判别器阵列对应的所述判别器中进行对抗博弈，其中，所述生成器的数量与所述判别器阵列的数量相同。

其中，所述将利用生成器生成的训练图片输入对应的所述判别器进行对抗博弈，还包括：

利用所述训练图片对所述判别器进行训练，并利用对应的灰度图对所述训练图片进行真假判断，直至所述判断器不能判断所述训练图片的真假后，输出对应的所述训练图片。

其中，所述将对抗博弈结果进行并行融合，得到生成图像，包括：

将输出的对应的所述训练图片组成判别矩阵后，将相邻两幅所述训练图片进行加权融合后，将得到的结果存放于下一个融合层，循环加权融合后，直至得到唯一融合结果，得到生成图像。

其中，所述将对抗博弈结果进行并行融合，得到生成图像，还包括：

在循环加权融合过程中，若所述融合层为奇数层，则将所述融合层中无匹配融合图片的对应的所述训练图片融合进下一个所述奇数层，作为下一个所述奇数层的匹配融合图片进行加权融合。