[发明专利]一种基于密集残差和双流注意力的红外图像彩色化方法

权利要求书

1.一种基于密集残差和双流注意力的红外图像彩色化方法，其特征在于，具体步骤为：

构建网络模型：构建包括生成器和鉴别器的生成对抗网络；

准备数据集：根据第一红外图像数据集对生成对抗网络进行预训练；

训练网络模型：利用第一红外图像数据集对网络模型进行训练，直至达到预设阈值；

微调模型：利用第二红外图像数据集对网络模型进行再次训练和微调，获得最终模型；

保存模型：将获得最终模型的参数进行固化，保存模型。

2.根据权利要求1所述的一种基于密集残差和双流注意力的红外图像彩色化方法，其特征在于，生成器包括浅层特征提取模块、下采样模块、注意力模型、上采样模块、图像重建模块；

所述浅层特征提取模块，用于利用卷积块对图片进行浅层特征提取；

所述下采样模块，用于利用M池化提取图片深层次的语义信息；

所述注意力模型，用于增加图片的语义信息和颜色信息的关注度；

所述上采样模块，用于利用卷积块恢复特征图的大小；

所述图像重建模块，用于利用卷积块和T型函数重建红外彩色化图像。

3.根据权利要求1所述的一种基于密集残差和双流注意力的红外图像彩色化方法，其特征在于，鉴别器包括多个卷积块、归一化层和L型函数。

4.根据权利要求1所述的一种基于密集残差和双流注意力的红外图像彩色化方法，其特征在于，第一红外图像数据集为RGB-NIR数据集。

5.根据权利要求1所述的一种基于密集残差和双流注意力的红外图像彩色化方法，其特征在于，在训练网络模型中预设阈值包括损失函数预设值、训练次数预设值。

6.根据权利要求5所述的一种基于密集残差和双流注意力的红外图像彩色化方法，其特征在于，损失函数为复合损失函数，生成器采用的损失函数包括对抗损失、内容损失、感知损失、合成损失和总体变化损失；鉴别器采用对抗损失函数。

7.根据权利要求1所述的一种基于密集残差和双流注意力的红外图像彩色化方法，其特征在于，在训练网络模型过程中还包括通过评价指标评估算法彩色化结果的质量和图像失真程度。

8.根据权利要求1所述的一种基于密集残差和双流注意力的红外图像彩色化方法，其特征在于，第二红外图像数据集为OMSIV数据集。