[发明专利]一种基于神经网络的古生物图像生成方法

说明书

本发明公开了一种基于神经网络的古生物图像生成方法，包括获取古生物图像数据集和非古生物图像数据集；对古生物图像数据集和非古生物图像数据集进行预处理；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；利用训练后的生成对抗网络Style GAN生成第一视角图像，并与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。本发明通过对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后训练生成对抗网络Style GAN，从而能够生成清晰的对抗图像，并且保证图像信息更加完整。

技术领域

本发明涉及古生物图像处理技术领域，具体涉及一种基于神经网络的古生物图像生成方法。

背景技术

古生物是古代就生活在地球上的生物，它们存在于地球历史中的地质年代里，目前绝大部分的古生物都已经灭绝，只有古生物的遗体、遗物和生活遗迹在特定的条件下被大自然所保留，经过石化以化石的形式保留了下来形成了古生物化石。古生物化石作为古生物保存下来的痕迹，是不可再生的自然遗产。通过古生物数据集，人类可以获取到关于久远过去的地球生态环境的信息。并且古生物数据集可以有效地将古生物和数据与计算机科学和数据库编程对接。随着互联网的发展和人工智能的进步，利用机器学习技术研究古生物标识是也是有效的。

现如今建立的古生物学的数据库，主要分为两类。一类是收藏管理型数据库，其对科普的贡献明显大于对科学研究的贡献，且数据质量难以保证。另一类是研究型数据库，研究内容主要包括生物古地理研究，以及古生态与形态演化分析等。但这些数据库都无法满足计算机视觉研究的要求。

发明内容

针对现有技术中的上述不足，本发明提供了一种基于神经网络的古生物图像生成方法。

为了达到上述发明目的，本发明采用的技术方案为：

一种基于神经网络的古生物图像生成方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，步骤S3具体包括以下分步骤：