[发明专利]一种声呐图像合成方法和装置

权利要求书

1.一种声呐图像合成方法，其特征在于，所述方法包括：

将待合成的内容图像和风格图像输入图像特征提取网络，得到所述内容图像的特征和所述风格图像的特征，其中，所述内容图像为光学图像，所述风格图像为真实声呐图像，所述特征提取网络是基于样本图像训练得到的深度学习网络，所述样本图像为光学图像，所述图像特征提取网络包括多个卷积模块和多个最大池化层，一个卷积模块中包含至少一个卷积层，一个卷积模块后设置一个最大池化层；

在基于所述最大池化层对输入该层的所述内容图像的特征矩阵进行下采样时，记录下采样结果中的值在该特征矩阵中的位置信息，并将该位置信息记为第二位置信息，且一个最大池化层对应一次下采样，一次下采样对应记录一次第二位置信息；

对所述内容图像的特征进行白化处理，以去除所述内容图像中的风格特征，得到所述内容图像的白化特征；

将所述白化特征与所述风格图像的特征进行融合，得到对所述内容图像进行风格转换后的目标特征；

基于所述目标特征、图像重建网络和随机噪声进行图像重建，得到合成声呐图像，其中，所述合成声呐图像具有所述内容图像的内容和所述风格图像的风格，所述图像重建网络是基于所述样本图像训练得到的深度学习网络，所述图像重建网络为所述特征提取网络的镜像网络，且所述特征提取网络与所述图像重建网络是基于所述样本图像的重建损失最小化的优化策略训练得到的；

其中，所述基于所述目标特征、图像重建网络和随机噪声进行图像重建，得到合成声呐图像，包括：

基于所述图像重建网络中的反池化层和相应的第二位置信息，对输入该层的所述内容图像的特征矩阵进行上采样，并在上采样结果上叠加随机噪声，以得到合成声呐图像。

2.根据权利要求1所述的方法，其特征在于，在所述将待合成的内容图像和风格图像输入图像特征提取网络，得到所述内容图像的特征和所述风格图像的特征前，所述方法还包括：

基于样本图像训练所述图像特征提取网络和所述图像重建网络。

3.根据权利要求2所述的方法，其特征在于，所述基于样本图像训练所述图像特征提取网络和所述图像重建网络，包括：

将样本图像输入所述图像特征提取网络，得到所述样本图像的特征；

基于所述样本图像的特征和所述图像重建网络进行所述样本图像的重建，得到所述样本图像的重建图像；

基于所述重建图像和所述样本图像，确定所述样本图像的重建损失；

基于所述重建损失最小化的优化策略，对所述图像特征提取网络和所述图像重建网络进行优化。

4.根据权利要求3所述的方法，其特征在于，在所述基于所述样本图像的特征和所述图像重建网络进行所述样本图像的重建，得到所述样本图像的重建图像前，所述方法还包括：

在基于所述最大池化层对输入该层的所述样本图像的特征矩阵进行下采样时，记录下采样结果中的值在该特征矩阵中的位置信息，并将该位置信息记为第一位置信息，且一个最大池化层对应一次下采样，一次下采样对应记录一次第一位置信息；

其中，基于所述样本图像的特征和所述图像重建网络进行所述样本图像的重建，得到所述样本图像的重建图像，包括：

基于所述图像重建网络中的反池化层和相应的第一位置信息，对输入该层的所述样本图像的特征矩阵进行上采样，以得到所述样本图像的重建图像，其中所述反池化层为相应最大池化层的镜像。

5.根据权利要求1所述的方法，其特征在于，所述基于所述图像重建网络中的反池化层和相应的第二位置信息，对输入该层的所述内容图像的特征矩阵进行上采样，并在上采样结果上叠加随机噪声，以得到合成声呐图像，包括：

基于所述反池化层对输入该层的所述内容图像的特征矩阵在相应第二位置信息中记录的相应位置上进行上采样，并在上采样结果中除该第二位置信息中记录的位置之外的位置上添加随机噪声，以得到合成声呐图像。