[发明专利]一种基于生成对抗神经网络的图像去台标方法

说明书

本发明公开了一种生成对抗神经网络的图像去台标方法，包括：S10构建训练数据集和测试数据集；S20构建生成器网络，生成器网络用于根据输入的带台标的图像和台标蒙版图像生成不带台标的图像；S30构建判别器网络，与生成器网络的输出端连接，判别器网络用于对真实的不带台标的图像和生成器网络输出的不带台标的图像进行真假判断；S40根据训练数据集对生成器网络和判别器网络进行训练；S50使用训练好的生成器网络对测试数据集进行去台标操作。得到的生成器网络去台标效果明显好于传统算法，在大部分场景下基本看不到台标残留的痕迹，图像修复程度好，在修复区域不容易出现图像变形。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于生成对抗神经网络的图像去台标方法。

背景技术

在广播电视领域大部分素材都带有台标，但是在某些应用场景下，会因为版权或者其他原因需要将台标遮盖或去掉。传统的去台标方法有分水岭算法、快速行进算法(又称FFM算法)等，虽然处理速度快，但是大多数情况下，尤其在背景细节比较多的场景下，处理后的图像会出现图像变形，还会留有明显的台标痕迹。

发明内容

针对上述现有技术的不足，本发明提供了一种生成对抗神经网络的图像去台标方法，有效解决了现有技术中台标后后图像会出现变形、留下明显台标痕迹的技术问题。

为了实现上述目的，本发明通过以下技术方案实现：

一种基于生成对抗神经网络的图像去台标方法，包括：

S10构建训练数据集和测试数据集；

S20构建生成器网络，所述生成器网络用于根据输入的带台标的图像和台标蒙版图像生成不带台标的图像；

S30构建判别器网络，与生成器网络的输出端连接，所述判别器网络用于对真实的不带台标的图像和生成器网络输出的不带台标的图像进行真假判断；

S40根据训练数据集对生成器网络和判别器网络进行训练；

S50使用训练好的生成器网络对测试数据集进行去台标操作。

进一步优选地，在步骤S10中包括：

S11从数据集中随机抽取一图像，并从中随机截取预设大小的图像；

S12将截取的图像中的RGB数据进行归一化，得到一真实的不带台标的图像；

S13重复步骤S11～S12预设次数，得到预设数量的真实的不带台标的图像数据；

S14制作所述预设大小的透明台标图像，作为台标蒙版图像；

S15将真实的不带台标的图像与台标蒙版叠加得到所述预设数量的带台标的图像；

S16将带台标的图像中的RGB数据进行归一化，得到带台标的图像数据。

进一步优选地，在步骤S20，构建的生成器网络中依次包括：第一卷积层、relu激活层、密集连接块、第二卷积层、BatchNormal归一化层、第三卷积层、第四卷积层及tanh激活层，所述生成器网络的输入由带台标的图像和台标蒙版图像的矩阵叠加而成。

进一步优选地，在所述第一卷积层中，卷积核为9×9，输出由64个特征形成的特征地图；

在所述第二卷积层中，卷积核为3×3，输出由64个特征形成的特征地图；

在所述第三卷积层中，卷积核为3×3，输出由256个特征形成的特征地图；

在所述第四卷积层中，卷积核为9×9，输出由3个特征形成的特征地图。