[发明专利]一种基于双尺度循环生成对抗的人脸灰度图像着色方法

权利要求书

1.一种基于双尺度循环生成对抗的人脸灰度图像着色方法，其特征在于：具体包括如下步骤：

步骤1、数据收集与预处理：获取大量的人脸彩色图像，统一图像尺寸大小；将数据集划分为训练集和验证集；对训练集数据进行数据增强；使用cv库函数将图像转换为CIE Lab颜色空间，并提取L通道作为模型的输入；

步骤2、构建人脸灰度图像着色模型：该模型选用循环生成网络的结构，包括两对生成器-判别器；使用改进过的U-Net作为生成器，采用双尺度卷积模块进行特征的提取，增加模型对不同尺度信息的适应性，提取多维度的特征信息；在跳跃连接中，通过CBAM注意力模块提取带有注意力权重的信息，将之与上采样阶段进行融合，关注待着色图像的显著区域，抑制不必要区域；在判别器上，沿用PatchGAN，采用全卷积的形式，最终输出一个特征图，表示输入图像的多区域的真假概率值，考虑了更多区域的着色效果；

步骤3、训练人脸灰度图像着色模型：将步骤1提取的L通道灰度图像作为模型的输入，余下的ab通道作为模型的标签；结合对抗性损失、循环一致性损失、身份认证损失和灰度损失，通过加权计算得出最终的损失函数对模型进行优化训练，按照先训练判别器，后训练生成器的策略进行模型训练；

步骤4、对人脸灰度图像进行上色：将待着色的人脸灰度图像输入到训练好的模型中，即可输出着色后的彩色人脸图像。

2.如权利要求1所述的基于双尺度循环生成对抗的人脸灰度图像着色方法，其特征在于：所述循环生成网络包括两对生成器-判别器，即四个子网络，G网络是生成器，负责将图像A转换为图像B，D_B是判别器，负责判别通过G网络生成的图像的真假概率；F网络也是生成器，负责将图像B转换为图像A，D_A是判别器，负责判别通过F网络生成的图像的真假概率。

3.如权利要求1所述的基于双尺度循环生成对抗的人脸灰度图像着色方法，其特征在于：所述的双尺度卷积模块采用3×3和7×7大小的卷积核相融合的形式；将输入特征图分别经过两个大小的卷积操作之后，在通道维度进行融合，之后使用一个1×1的卷积核进行降维，减少因大卷积核带来的额外模型参数而导致的效率降低。

4.如权利要求1所述的基于双尺度循环生成对抗的人脸灰度图像着色方法，其特征在于：在所述的跳跃连接中，结合融合通道注意力和空间注意力的CBAM注意力模块，两者并行，关注特征图的“什么”和“哪里”是有意义的，将下采样阶段的有用的信息与上采样阶段进行共享，减少因采样导致的信息损失，抑制不必要的信息，提升着色效果。