[发明专利]用于生成近红外图像的方法和装置

权利要求书

1.一种用于生成近红外图像的方法，包括：

获取包含目标对象的可见光图像；

将所述可见光图像输入至预先训练的近红外图像生成模型，得到包含目标对象的近红外图像，其中，所述近红外图像生成模型基于多个包含目标对象的可见光图像、多个包含目标对象的近红外图像以及预先建立的生成对抗网络和初始分类模型训练得到，所述近红外图像生成模型用于表征包含目标对象的可见光图像和包含目标对象的近红外图像之间的对应关系，所述初始分类模型用于对输入的近红外图像进行分类。

2.根据权利要求1所述的方法，其中，所述近红外图像生成模型通过以下步骤训练得到：

获取多个包含目标对象的可见光图像和多个包含目标对象的近红外图像；

获取预先建立的生成对抗网络，其中，所述生成对抗网络包括生成网络和判别网络，所述生成网络用于表征包含目标对象的可见光图像和包含目标对象的近红外图像之间的对应关系，所述判别网络用于确定所输入的图像是生成的近红外图像还是真实的近红外图像；

基于所述多个包含目标对象的可见光图像和所述多个包含目标对象的近红外图像，利用机器学习方法，对所述生成网络和所述判别网络进行训练，将训练后的所述生成网络确定为近红外图像生成模型。

3.根据权利要求2所述的方法，其中，所述基于所述多个包含目标对象的可见光图像和所述多个包含目标对象的近红外图像，利用机器学习方法，对所述生成网络和所述判别网络进行训练，将训练后的所述生成网络确定为近红外图像生成模型，包括：

对于所述多个包含目标对象的可见光图像中的包含目标对象的可见光图像，固定所述生成网络的参数，将该包含目标对象的可见光图像作为所述生成网络的输入，将所述生成网络输出的图像作为所述判别网络的输入，得到与该包含目标对象的可见光图像对应的判别结果；基于所得到的判别结果与负样本标识之间的差异，利用机器学习方法对所述判别网络进行训练，其中，负样本标识用于表征所述判别网络的输入图像为生成的近红外图像。

4.根据权利要求3所述的方法，其中，所述基于所述多个包含目标对象的可见光图像和所述多个包含目标对象的近红外图像，利用机器学习方法，对所述生成网络和所述判别网络进行训练，将训练后的所述生成网络确定为近红外图像生成模型，还包括：

对于所述多个包含目标对象的近红外图像中的包含目标对象的近红外图像，将该包含目标对象的近红外图像作为所述判别网络的输入，得到与该包含目标对象的近红外图像对应的判别结果；基于所得到的判别结果和正样本标识之间的差异，利用机器学习方法对所述判别网络进行训练，其中，正样本标识用于表征所述判别网络的输入图像为真实的近红外图像。

5.根据权利要求4所述的方法，其中，所述基于所述多个包含目标对象的可见光图像和所述多个包含目标对象的近红外图像，利用机器学习方法，对所述生成网络和所述判别网络进行训练，将训练后的所述生成网络确定为近红外图像生成模型，还包括：

获取预先建立的初始分类模型；

对于所述多个包含目标对象的可见光图像中的包含目标对象的可见光图像，将该包含目标对象的可见光图像输入所述生成网络，将所述生成网络输出的图像输入所述初始分类模型，得到该包含目标对象的可见光图像对应的分类结果；基于所得到的分类结果与类别标注之间的差异，对所述生成网络和初始分类模型进行训练，其中，类别标注用于表征包含目标对象的可见光图像中的目标对象的类别。

6.一种用于生成近红外图像的装置，包括:

获取单元，配置用于获取包含目标对象的可见光图像；

近红外图像生成单元，配置用于将所述可见光图像输入至预先训练的近红外图像生成模型，得到包含目标对象的近红外图像，其中，所述近红外图像生成模型基于多个包含目标对象的可见光图像、多个包含目标对象的近红外图像以及预先建立的生成对抗网络和初始分类模型训练得到，所述近红外图像生成模型用于表征包含目标对象的可见光图像和包含目标对象的近红外图像之间的对应关系，所述初始分类模型用于对输入的近红外图像进行分类。