图像的合成方法、装置和存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109816614A(43)申请公布日2019.05.28(21)申请号201910153990.5(22)申请日2019.02.28(71)申请人乐山知行智能科技有限公司地址614000四川省乐山市高新区安港路489号高新盛泰孵化港A园1号楼9层5号(72)发明人金澎陈兴元张九华(74)专利代理机构深圳市恒程创新知识产权代理有限公司44542代理人赵爱蓉(51)Int.Cl.G06T5/00(2006.01)权利要求书2页说明书10页附图3页(54)发明名称图像的合成方法、装置和存储介质(57)摘要本发明公开了一种图像的合成方法，所述图像的合成方法包括以下步骤：在接收到图像合成指令时，获取所述图像合成指令对应的噪声向量；将所述噪声向量输入预设的几何结构生成网络，得到所述噪声向量对应的几何结构；将所述噪音向量对应的几何结构输入预设的图像生成网络，得到所述噪声向量对应的合成图像，所述几何结构生成网络和所述图像生成网络通过生成对抗网络模型训练得到。发明还公开了一种图像的合成装置和存储介质。由于合成图像是在几何结构信息的约束下生成，提高了合成图像在整体结构上的逼真度。CN109816614ACN109816614A权利要求书1/2页1.一种图像的合成方法，其特征在于，所述图像的合成方法包括以下步骤：在接收到图像合成指令时，获取所述图像合成指令对应的噪声向量；将所述噪声向量输入预设的几何结构生成网络，得到所述噪声向量对应的几何结构；将所述噪音向量对应的几何结构输入预设的图像生成网络，得到所述噪声向量对应的合成图像，所述几何结构生成网络和所述图像生成网络通过生成对抗网络模型训练得到。2.如权利要求1所述图像的合成方法，其特征在于，所述图像的合成方法还包括：基于卷积神经网络构建几何结构生成网络、几何结构鉴别网络、图像生成网络和图像鉴别网络；获取训练样本集，所述训练样本集包括预设的噪声样本、真实图像样本和所述真实图像样本对应的真实几何结构样本；基于所述训练样本集对所述几何结构生成网络、所述几何结构鉴别网络、所述图像生成网络和所述图像鉴别网络进行对抗训练。3.如权利要求2所述的图像的合成方法，其特征在于，所述获取训练样本集，所述训练样本集包括预设的噪声样本、真实图像样本和所述真实图像样本对应的真实几何结构样本的步骤之前，还包括：在获取到真实图像样本时，利用几何结构提取算子对所述图像样本进行特征提取，得到所述图像样本对应的真实几何结构样本，其中，所述几何结构提取算子包括自动编码器和图像边缘检测算子中的一种。4.如权利要求2-3任一项所述图像的合成方法，其特征在于，所述基于所述训练样本集对所述几何结构生成网络、所述几何结构鉴别网络、所述图像生成网络和所述图像鉴别网络进行对抗训练的步骤包括：将所述噪声样本输入所述结构生成网络中，得到所述噪声样本对应的生成几何结构样本；利用所述生成几何结构样本和所述真实几何结构样本对所述几何结构生成网络和所述几何结构鉴别网络进行对抗训练，调整所述几何结构生成网络和所述几何结构鉴别网络的参数；将所述生成几何结构样本输入所述图像生成网络，得到所述噪声样本对应的生成图像样本；利用所述生成图像样本和所述真实图像样本对所述图像生成网络和所述图像鉴别网络进行对抗训练，调整所述图像生成网络和所述图像鉴别网络的参数。5.如权利要求4所述的图像的合成方法，其特征在于，所述利用所述生成几何结构样本和所述真实几何结构样本对所述几何结构生成网络和所述几何结构鉴别网络进行对抗训练，调整所述几何结构生成网络和所述几何结构鉴别网络的参数的步骤包括：将所述生成几何结构样本和所述真实几何结构样本输入所述几何结构鉴别网络，获得所述生成几何结构样本和所述真实几何结构样本对应的真伪判别概率；根据所述生成几何结构样本和所述真实几何结构样本对应的真伪判别概率对所述几何结构生成网络和所述几何结构判别网络的参数进行调整。6.如权利要求5所述的图像的合成方法，其特征在于，所述根据所述生成几何结构样本和所述真实几何结构样本对应的真伪判别概率对所述几何结构生成网络和所述几何结构2CN109816614A权利要求书2/2页判别网络的参数进行调整的步骤包括：根据所述生成几何结构样本和所述真实样本对应的真伪判别概率计算所述几何结构生成函数和所述几何结构判别网络的损失函数值；根据所述几何结构生成网络和所述几何结构鉴别网络的损失函数值对所述几何结构生成网络和所述几何结构鉴别网络的参数进行调整。7.如权利要求4所述的图像的合成方法，其特征在于，所述利用所述生成图像样本和所述真实图像样本对所述图像生成网络和所述图像鉴别网络进行对抗训练，调整所述图像生成网络和所述图像鉴别网络的参数的步骤包括：将所述生成图像样