一种仿真声呐图像生成方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115880390A(43)申请公布日2023.03.31(21)申请号202211565611.1G06N3/0475(2023.01)(22)申请日2022.12.07G06N3/094(2023.01)(71)申请人哈尔滨工程大学地址150001黑龙江省哈尔滨市南岗区南通大街145号(72)发明人叶秀芬于牧童刘文智刘红黄汉杰李海波刘逸飞王寅文(74)专利代理机构北京慕达星云知识产权代理事务所(特殊普通合伙)11465专利代理师符继超(51)Int.Cl.G06T11/00(2006.01)G06F7/10(2006.01)G06N3/044(2023.01)权利要求书2页说明书7页附图3页(54)发明名称一种仿真声呐图像生成方法(57)摘要本发明涉及一种仿真声呐图像生成方法，该方法首先对CycleGAN网络进行改进，包括对生成器G和生成器F的输入输出图像，分别使用Otsu算法和Unet网络进行分割，并将分割结果融合，根据正向生成器G和反向生成器F输入输出的融合图像计算SSIM损失，将其加入到CycleGAN网络生成器损失中；然后利用简易声呐仿真图像和真实声呐图像进行训练，并用训练好的改进CycleGAN网络生成风格化仿真声呐图像；使用改进的CycleGAN网络生成仿真声呐图像，可减小仿真图像与真实图像在结构、边缘特征等方面的差异，从而保证仿真声呐图像与真实图像更加相似。CN115880390ACN115880390A权利要求书1/2页1.一种仿真声呐图像生成方法，其特征在于，包括如下步骤：获取并利用简易仿真声呐图像和真实声呐图像，训练改进的CycleGAN网络，得到训练后的改进CycleGAN网络；所述CycleGAN网络包括正向生成器G和反向生成器F，改进步骤包括：对正向生成器G和反向生成器F的输入与输出图像，分别进行融合处理，得到对应的融合图像，所述融合处理包括使用Otsu算法对所述图像进行分割，得到分割结果一，和使用Unet网络对所述图像进行分割，得到分割结果二，将所述分割结果一与所述分割结果二进行融合；根据所述正向生成器G输入和输出的所述融合图像，计算所述正向生成器G的结构相似性损失；根据所述反向生成器F输入和输出的所述融合图像，计算所述反向生成器F的结构相似性损失；将所述正向生成器G的结构相似性损失和所述反向生成器F的结构相似性损失加入到所述CycleGAN网络生成器损失中，得到所述改进CycleGAN网络；使用训练后的所述改进CycleGAN网络根据所述简易仿真声呐图像实时生成风格化仿真声呐图像。2.根据权利要求1所述的一种仿真声呐图像生成方法，其特征在于，所述Unet网络在使用前经所述真实声呐图像进行训练，以便于分割目标图像的边界区域。3.根据权利要求1所述的一种仿真声呐图像生成方法，其特征在于，在使用Otsu算法和Unet网络进行分割时，将图像前景区域设为1，将背景区域设为0，所述融合是保留两个分割结果的共同前景区域。4.根据权利要求1所述的一种仿真声呐图像生成方法，其特征在于，所述改进CycleGAN网络的损失函数为：L(G，F，Dx，Dy)＝LGAN(G，Dy，X，Y)+LGAN(F，Dx，Y，X)+λLCYC(G，F)+ωLS其中，X、Y为CycleGAN网络的两个图像域，G、F分别为CycleGAN网络的正向和反向生成器，DY、DX分别为与G、F对应的判别器，LGAN(G，Dy，X，Y)与LGAN(F，Dx，Y，X)为对抗损失，LCYC(G，F)为循环一致性损失，系数λ，ω为权重，LS为所述正向生成器G和所述反向生成器F的结构相似性损失。5.根据权利要求4所述的一种仿真声呐图像生成方法，其特征在于，所述LS的表达式为：LS＝LSSIM(x，G(x))+LSSIM(y，F(y))式中，LSSIM(x，G(x))为所述生成器G的结构相似性损失，x、G(x)为生成器G的输入与输出图像，LSSIM(y，F(y))为所述生成器F的结构相似性损失，y、F(y)为生成器F的输入与输出图像；其中，所述结构相似性损失：式中，N是输入或输出图像中的总像素数，p是输入与输出图像对应同一位置的像素，SSIM(p)为结构相似性。6.根据权利要求5所述的一种仿真声呐图像生成方法，其特征在于，所述结构相似性的计算公式为：2CN115880390A权利要求书2/2页其中，a、b分别为所述输入与输出图像中以p为中心取得的相同区域，超出图像边界的22部分设为0；μa为a的均值，μb为b的均值，σab为a、b的协方差，σa为a的方差，σb为b的方差，c1、c2、c3为常数。7.根据权利要求1所述的一种仿真声呐图像生成方法，其特征在于，所述简易仿真声呐图像，通过如下步骤获得