[发明专利]一种基于深度预测编码网络的夜视图像的场景预测方法

权利要求书

1.一种基于深度预测编码网络的夜视图像的场景预测方法，其特征在于，包括以下步骤：

(1)构建夜视图像数据集，夜视图像数据集中包括训练样本图像及测试样本图像；

(2)构建深度预测编码网络，利用夜视图像数据集训练所述深度预测编码网络，其中：深度预测编码网络包括深度卷积神经网络及深度循环神经网络，通过深度卷积神经网络提取输入的原始图像的特征，再通过深度循环神经网络将每一幅图像预测的误差在网络中进行前向传递，不断更新预测误差，在每一次预测中调整预测结果，得到最终的预测图像；其中，所述深度预测编码网络是由一系列重复堆叠的模块构成，这些模块对输入进行局部预测，然后将预测结果减去实际输入，传递给下一层；每个模块由输入卷积层、循环表示层、预测层和误差表示层这四个基本部分组成；其中循环表示层是一个卷积-循环神经网络，它会产生一个预测图像；网络采用输入图像和预测图像之间的差异，并输出一个误差，该误差表示被分解为独立的纠正正负误差群；误差通过卷积层向前传递，成为下一层卷积输入层的输入；循环表示层的输入是误差、和上一时刻的循环表示层输出和网络下一级循环表示层的输出；在运行的第一步，输入卷积层和误差表示层相当于一个标准的深度卷积网络；同时，循环表示层等价于每一阶段具有局部复现的生成反卷积网络；

(3)实时获取待处理的图像，将图像输入深度卷积神经网络后，得到对应的特征图；采用循环神经网络读取得到的特征图，不断调整预测误差，输出场景预测图像。

2.根据权利要求1所述的基于深度预测编码网络的夜视图像的场景预测方法，其特征在于，所述步骤(2)中的深度卷积神经网络为一系列的卷积、激励和池化的过程，其中，采用VGG16作为卷积网络，池化采用最大值池化。