[发明专利]一种基于图像修复的船只水尺数字的识别方法

权利要求书

1.一种基于图像修复的船只水尺数字的识别方法，其特征在于：包括：

步骤1，获取并制作能够用于训练的船只水尺图像数据集并进行数据集预处理，得到包含预处理后的多类船只图片；

步骤2，对定义好的分类修复模型，选用加入DF损失函数合成新的生成损失函数进行训练，多次训练得到最优模型；

步骤3，将步骤2训练得到的最优模型应用到船只水尺数字图像修复中，对损坏的图像进行修复和测试；

步骤4，对修复完成的水尺图像用VGG网络实时识别，并用准确率和权重概率两个指标进行评估。

2.根据权利要求1所述的一种基于图像修复的船只水尺数字的识别方法，其特征在于：步骤2中，具体包括：

2.1，修复模型的选择：

所述分类修复模型，主要是基于生成对抗网络，结合图像分类模型训练的权重pth文件，在训练过程中结合图像分类模型进行模型算法融合，图像网络修复结构采用编解码器类P-Unet结构，呈现出非对称的编解码器；

2.2，修复模型的融合，损失改进：

将已经通过生成对抗网络生成的图像送入针对水尺数据集预训练pth文件，进行分类处理，使得预估概率最大的类别作为预测类别并作为结果并且得出改进的损失函数，得到最终的生成损失，进行反馈训练。

3.根据权利要求2所述的一种基于图像修复的船只水尺数字的识别方法，其特征在于：步骤2.1中，所选模型结构具体包括：

2.1.1，编码器总结为8层卷积块，前两层运用两层视觉结构重建层，视觉结构重建层包括结构生成和特征生成，其中起着重要作用的是局部卷积，后六层则是由局部卷积层代替普通的卷积块提取图像特征信息；

视觉结构层原理是：将输入破损图像X_in和边缘结构E_in、输入掩码和边缘掩码分别进行级联，然后通过局部卷积生成X_pcl和M_pcl，最后通过瓶颈残差块一系列运算得到视觉结构，残差瓶颈块的卷积核大小和通道数分别为[1，3，1]、[64、16、64]，最后输入图像在通过编码器后，通道数由3通道变为512通道；

2.1.2，第8层卷积块之后为解码器阶段，其在网络层中的第9至14层；而且在前六块卷积块中，每层包括局部卷积和局部反卷积模块，然后接着两层同样是视觉结构层，第17层是普通卷积模块，通道数保持不变，然后图像特征信息经过编码器上采样后，通道数最后变为3通道，最终得到修复后特征信息。