[发明专利]基于风格迁移的侧扫声呐仿真图像生成方法、装置及设备

权利要求书

1.基于风格迁移的侧扫声呐仿真图像生成方法，其特征在于，该方法包括以下步骤：

根据待迁移图像的目标物体类别，构建与所述目标物体相关的光学图像数据集；

对所述光学图像进行图像分割，提取所述目标物体的轮廓，对所述目标物体的轮廓添加阴影，获取输入图像；

构建风格迁移网络，以真实的侧扫声呐图像作为风格图像，对所述输入图像进行风格迁移，生成侧扫声呐仿真图像，以扩充神经网络的训练样本图像；

所述图像分割的方法为：

通过均值聚类将所述光学图像聚为两类，并根据所属类别对图像添加灰度值，实现图像分割；

所述对所述目标物体物轮廓添加阴影的方法为：

更改所述目标物体的轮廓颜色，获取更改图像，对所述更改图像利用掩膜进行处理，将所述掩膜与目标物体轮廓进行图像融合，生成含有阴影区域的所述输入图像；

所述掩膜的获取方法为：

对所述更改图像通过设置自适应的灰度值阈值进行分割，获取所述掩膜；

所述风格迁移网络使用混合空洞卷积提取风格特征图；

所述构建风格迁移网络的过程包括：

使用已经训练好的vgg19网络作为主网络，在vgg19网络中使用五层混合空洞卷积提取风格特征图，以第四层混合空洞卷积提取出的特征图像作为内容特征图；

所述对所述输入图像进行风格迁移，包括：

s为真实的侧扫声呐图像作为风格图像，c为通过K-means聚类算法和融合阴影后的输入图像作为内容图像，r为随机生成的白噪音图像；通过五层混合空洞卷积分别提取风格特征和内容特征，获得的特征图标记为和，保留所有的及第四层混合空洞卷积获得的，以保证随机白噪音图像r在获取到足够的风格特征的同时不受内容图像的干扰；

通过对侧扫声呐图像和侧扫声呐仿真图像进行神经网络训练，获取分类网络。

2.根据权利要求1所述的基于风格迁移的侧扫声呐仿真图像生成方法，其特征在于，所述灰度值阈值的获取方法为：

通过图像的灰度值和方差利用最大类间方差法自动获取所述灰度值阈值。

3.基于风格迁移的侧扫声呐仿真图像生成装置，其特征在于，该装置包括以下模块：

光学图像数据集构建模块，用于根据待迁移图像的目标物体类别，构建与所述目标物体相关的光学图像数据集；

输入图像获取模块，用于对所述光学图像进行图像分割，提取所述目标物体的轮廓，对所述目标物体的轮廓添加阴影，获取输入图像；

侧扫声呐仿真图像生成模块，用于构建风格迁移网络，以真实的侧扫声呐图像作为风格图像，对所述输入图像进行风格迁移，生成侧扫声呐仿真图像，以扩充神经网络的训练样本图像；

所述输入图像获取模块中的所述图像分割的方法为：

通过均值聚类将所述光学图像聚为两类，并根据所属类别对图像添加灰度值，实现图像分割；

所述输入图像获取模块中的所述对所述目标物体物轮廓添加阴影的方法为：

更改所述目标物体的轮廓颜色，获取更改图像，对所述更改图像利用掩膜进行处理，将所述掩膜与目标物体轮廓进行图像融合，生成含有阴影区域的所述输入图像；

所述掩膜的获取方法为：

对所述更改图像通过设置自适应的灰度值阈值进行分割，获取所述掩膜；

所述风格迁移网络使用混合空洞卷积提取风格特征图；

所述构建风格迁移网络的过程包括：

使用已经训练好的vgg19网络作为主网络，在vgg19网络中使用五层混合空洞卷积提取风格特征图，以第四层混合空洞卷积提取出的特征图像作为内容特征图；

所述对所述输入图像进行风格迁移，包括：

s为真实的侧扫声呐图像作为风格图像，c为通过K-means聚类算法和融合阴影后的输入图像作为内容图像，r为随机生成的白噪音图像；通过五层混合空洞卷积分别提取风格特征和内容特征，获得的特征图标记为和，保留所有的及第四层混合空洞卷积获得的，以保证随机白噪音图像r在获取到足够的风格特征的同时不受内容图像的干扰；

通过对侧扫声呐图像和侧扫声呐仿真图像进行神经网络训练，获取分类网络。

4.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~2任意一项所述基于风格迁移的侧扫声呐仿真图像生成方法的步骤。