[发明专利]一种基于改进GAN网络的空间视场图像生成方法

权利要求书

1.一种基于改进GAN网络的空间视场图像生成方法，其特征在于：包括以下步骤：

S01）、输入不同地点、不同视角采集的二维样本图像，并对二维样本图像进行标注，样本标注参数包括图像三维坐标（x,y,z）、视角（yaw,pich,roll）和焦距f，其中yaw表示偏航角，pitch表示俯仰角，roll表示翻滚角；

S02）、根据样本标注参数与空间几何投射方法，计算出从不同地点、不同视角拍摄的图像是否存在同一物理目标，若存在同一物理目标，抽取重叠面积大于指定阈值的样本图像标记为重叠组；

S03）、从每个重叠组的样本中抽取部分数据加入训练集，其余加入验证集，其中训练集用于GAN网络中的生成模型，验证集用于GAN网络中的判别模型；

S04）、重叠组中的训练集向验证集指定样本几何投射，得到该样本的投射训练集；

S05）、基于投射训练集的训练过程，训练包括两个阶段，第一阶段基于验证集指定样本的投射训练集训练生成网络模型，第二阶段基于验证集指定样本的投射训练集和生成网络模型图像训练判别网络模型；其中，生成网络模型的编码模块与解码模块之间植入记忆单元，使生成网络模型具有记忆功能；

S06）、指定观察参数预测视场图像，如果想得到某一视场二维图像，输入待获取二维图像的三维坐标（x,y,z）、视角（yaw,pich,roll）和焦距f，抽取与该视场重叠的原始样本图像，并完成相应空间几何投射，投射图像序列依次输入生成网络模型，从而得到该视场的二维图像。

2.根据权利要求1所述的基于改进GAN网络的空间视场图像生成方法，其特征在于：验证集指定样本的投射训练集为正样本，生成网络模型图像为负样本。

3.根据权利要求1所述的基于改进GAN网络的空间视场图像生成方法，其特征在于：记忆单元为GRU或者LSTM单元；同一组训练样本输入训练时，在初始状态，记忆单元首先按投射面积大小作为贡献能力降序排列，先后输入至GAN网络编码模块；生成场景图像与真实场景图像经由判别模型时，计算出相似度，把相似度作为样本组中各样本的贡献能力，重新降序排列，以调整输入顺序。