[发明专利]一种基于神经网络的古生物图像生成方法

权利要求书

1.一种基于神经网络的古生物图像生成方法，其特征在于，包括以下步骤：

S1、获取古生物图像数据集和非古生物图像数据集；

S2、对古生物图像数据集和非古生物图像数据集进行预处理；

S3、将预处理后的古生物图像数据集和非古生物图像数据集进行视角图像分割处理，根据分割结果训练生成对抗网络Style GAN；

S4、利用训练后的生成对抗网络Style GAN生成第一视角图像，并与步骤S3中视角图像分割得到的第二视角图像进行拼接，生成新的古生物图像。

2.根据权利要求1所述的一种基于神经网络的古生物图像生成方法，其特征在于，步骤S2具体包括以下分步骤：

S21、采用Frequency Tuned算法分别对古生物图像数据集和非古生物图像数据集进行窗口大小为5×5的高斯平滑，去除图像数据中的高频信息；

S22、采用Luminance Contrast算法分别对古生物图像数据集和非古生物图像数据集进行全局对比度凸显处理。

3.根据权利要求2所述的一种基于神经网络的古生物图像生成方法，其特征在于，所述Frequency Tuned算法中像素的显著性的计算公式为：

其中，I_μ为图像像素的算术平均值，为对原图像进行的高斯模糊，||.||为欧式距离。

4.根据权利要求2所述的一种基于神经网络的古生物图像生成方法，其特征在于，所述Luminance Contrast算法中像素的显著性的计算公式为：

其中，I_k为图像I中像素点k的像素值，I_i为灰度值。

5.根据权利要求4所述的一种基于神经网络的古生物图像生成方法，其特征在于，步骤S3具体包括以下分步骤：

S31、分别对预处理后的古生物图像数据集和非古生物图像数据集进行左视角图像L、中间视角图像C、右视角图像R的分割处理，得到古生物图像数据集和非古生物图像数据集对应的n组三视角图像数据集；

S32、从古生物图像数据集和非古生物图像数据集对应的三视角图像数据集中随机抽取一组三视角图像，将左视角图像L和右视角图像R组成一对样本(L,R)，将中间视角图像C作为该对样本的真值C；

S33、重复上述操作对三视角图像数据集中剩余的(n-1)组三视角图像进行处理，得到n对样本(L,R)和n个真值C；

S34、将n对样本(L,R)按比例随机划分为训练样本集和测试样本集，采用训练样本集对构建的生成对抗网络Style GAN进行训练，优化生成对抗网络Style GAN的参数，得到训练后的生成对抗网络Style GAN；利用测试集对所有训练后的生成对抗网络Style GAN的生成器G进行测试，评估生成器G的图像修复性能，挑选出最优生成器G。

6.根据权利要求5所述的一种基于神经网络的古生物图像生成方法，其特征在于，步骤S4具体包括：

将测试样本集中的样本(L,R)依次输入最优生成器G中，得到第一视角图像A，将第一视角图像A拼接到真值C的左右两边，生成新的古生物图像。