[发明专利]一种超分辨率图像生成对抗网络的训练方法及装置

说明书

本申请提供了一种超分辨率图像生成对抗网络的训练方法及装置，所述超分辨率图像生成对抗网络包括生成模型和损失计算模型，所述损失计算模型包括判别单元和分类单元，该方法包括：将图像信息输入到所述生成模型，以使所述生成模型输出超分辨率图像；将所述超分辨率图像输入到所述损失计算模型，以使所述损失计算模型计算所述超分辨率图像的总损失；根据所述超分辨率图像的总损失，对所述超分辨率图像生成对抗网络进行训练。

技术领域

本申请涉及图像处理领域，具体而言，涉及一种超分辨率图像生成对抗网络的训练方法及装置。

背景技术

遥感图像的超分辨率重建技术是利用单个或多个低分辨率、低质量的遥感图像来产生单幅高质量、高分辨率的遥感图像。通常所使用的术语“超分辨率图像重建”表示用于该种分辨率增强的信号处理方法，超分辨率重建技术可以提高图像的识别能力和识别精度，实现对目标物的深度分析，从而可以获取用户感兴趣区域内更高空间分辨率的图像，因此不需要直接采用数据量庞大的高分辨率图像采集装置。在遥感图像领域，利用高分辨率卫星图像可以更为容易地将图像区域内的目标对象进行分类操作以及应用其他数字图像处理技术，从而有效地提取用户所期望获取的数据信息。

现有技术中，超分辨率重建算法模型很少针对于遥感图像，以SRGAN(Super-Resolution Generative Adversarial Network，超分辨率生成对抗网络)为代表的最前沿的超分辨率图像生成算法基本是以一般通用图像为研究对象，这类模型由于具有普适性，没有考虑特殊的遥感图像所具有的特性以及其应用价值。

在遥感图像数字处理领域，分类是最重要的研究方向之一。对遥感图像应用超分辨率图像生成算法不仅是为了通过现有的低分辨率图像获取具有高分辨率、高质量的图像，而是为了能够进一步应用其他技术。而目前的超分辨率图像生成算法在进行训练阶段没有考虑其他方面的优化可能。

发明内容

有鉴于此，本申请的目的在于提供一种超分辨率图像生成对抗网络的训练方法及装置，用于解决现有技术中超分辨率图像生成算法不具备分类优化的问题。可以提高超分辨率图像生成算法的分类精度，从而降低超分辨率图像生成算法的图像损失。

第一方面，本申请实施例提供了一种超分辨率图像生成对抗网络的训练方法，所述超分辨率图像生成对抗网络包括生成模型和损失计算模型，所述损失计算模型包括判别单元和分类单元，该方法包括：

将图像信息输入到所述生成模型，以使所述生成模型输出超分辨率图像；

将所述超分辨率图像输入到所述损失计算模型，以使所述损失计算模型计算所述超分辨率图像的总损失；

根据所述超分辨率图像的总损失，对所述超分辨率图像生成对抗网络进行训练。

根据第一方面，本申请实施例提供了第一方面的第一种可能的实施方案，其中，所述将所述超分辨率图像输入到所述损失计算模型，以使所述损失计算模型计算所述超分辨率图像的总损失，包括：

所述损失计算模型根据如下公式计算所述超分辨率图像的总损失：

其中，为超分辨率图像的总损失，为超分辨率图像的最小均方误差损失，为超分辨率图像的VGG损失，为超分辨率图像的分类损失，为超分辨率图像的对抗损失，α_m为最小均方误差损失的权重，α_v为VGG损失的权重，α_c为分类损失的权重，α_g为对抗损失的权重，γ_max为分类正确率期望，为实际分类正确率；所述最小均方误差损失、VGG损失和对抗损失由所述判别单元计算得到，所述分类损失由所述分类单元计算得到。