买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜黑龙江工程学院申请的专利一种图像数据集生成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114092827B 。

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111340657.9，技术领域涉及：G06V20/13；该发明授权一种图像数据集生成方法是由张宪红;穆卓嘉设计研发完成，并于2021-11-12向国家知识产权局提交的专利申请。

本一种图像数据集生成方法在说明书摘要公布了：本发明提出一种简单有效的基于生成对抗网络GeneratedAntagonismNetwork，GAN的含雾霾图像和去掉雾霾图像的对照数据集生成方法，具体可以用于解决当前训练深度学习网络去雾霾处理缺乏图像对照数据集问题的瓶颈与难点，主要特征在于：1提出基于纹理关注的生成对抗网络，解决无法实现自动化生成数据集的问题；2针对生成对抗网络训练效率低和生成图像易失真问题，在生成器设计上，提出基于迁移学习的特征强化生成模型，解决生成效率低问题；3在网络判别器设计上，提出具有全局判别器和局部判别器的双判别器判别模型，解决生成图像纹理细节失真问题。

本发明授权一种图像数据集生成方法在权利要求书中公布了：1.一种图像数据集生成方法，其特征在于，包括以下步骤：步骤1、建立基于纹理关注的生成对抗网络模型，强化图像纹理特征并实现生成图像的完全自动化处理；步骤2、在生成对抗网络生成器设计上，提出基于迁移学习的特征强化生成模型，解决生成效率低问题；步骤3、在网络的判别器设计上，提出具有全局判别器和局部判别器的双判别器判别模型，解决生成图像纹理细节失真问题；步骤4、利用生成对抗网络构建雾霾与清晰对照的高分遥感图像数据集；其特征在于，针对目前图像生成方法中存在无法实现图像完全自动化处理的问题，利用可以实现无监督学习方式的生成对抗网络模型进行高分遥感图像的生成自动化处理，针对雾霾所引起的噪声会突出图像的低频信息，造成目标纹理等有用信息缺失的问题，提出引入生成纹理关注图模块至生成对抗网络中，建立基于纹理关注的生成对抗网络模型，保证本研究中的高分遥感图像生成实现自动化处理，又能很好地保持地物细节信息；网络可分为三个部分：纹理关注图生成模块部分、生成器部分和判别器部分，本设计框架在生成器前生成纹理关注图，纹理关注图是所设计网络中至关重要的部分，因为通常一幅图像中纹理等有用信息均为高频部分，能够使生成器聚焦在图像目标区域的纹理区域，在训练过程中，纹理关注图更加注重相关结构的纹理细节问题，从而提高生成器的生成效率并提高生成图像细节部分的质量，纹理关注图采用改进后的细胞神经网络提取原雾霾高分遥感图像对应的清晰图像的高频部分，生成一幅二值图像，如果像素位置有高频部分，那么二值图中的值为1，否则为0，对于纹理提取阈值的设定采用特征值统计设定，生成的纹理关注图和带雾霾的输入图像进行拼接作为生成器的输入；基于纹理关注的生成对抗网络模型的目标函数为： ,其中，G代表生成式网络，并对判别器进行重新预测；Ix是从带雾霾的高分遥感图像数据集中提取的样本；Iclear是一个对应无雾霾数据集中的样本，在训练过程中，参数的取值直接决定网络运行的质量，这里尝试使用初始学习率设置为0.0002及批量大小为1，在每次迭代中，首先利用清晰图像和上一次迭代生成的去雾霾图像训练判别器，已达到最小化判别器的损失函数，然后再利用有雾霾图像训练生成器，以达到最小化生成器损失函数；生成器的输入为纹理关注图和带雾霾图像的拼接，加入纹理关注图起到特征强化的作用，针对生成对抗网络生成效率低的问题，这里采用迁移学习理论，利用已经训练成熟的VGG-16模型参数，在基于纹理关注的生成对抗网络中引入VGG-16模型的主要关键问题是选择恰当的迁移策略和参数移植问题，这里我们采用模型拼接的迁移策略，主要将VGG-16模型当做特征提取装置来使用，具体的做法是，将输出层去掉，然后将剩下的整个网络当做一个固定的特征提取机，组合到生成器的其他结构中，从而应用到新的数据集中，这样利用VGG-16已经训练好的参数可以减少对于底层特征提取的工作，从而提高生成效率；本生成器模型除VGG-16结构外的其他部分采用步长为2的下卷积层2个，连接5个ResNet块和2个上卷积层，通过观察输入图像对应纹理关注图的细节结构来激励添加跳跃连接，跳跃连接是在ResNet中引入了一种残差网络结构，其和普通的卷积网络的区别在于从输入源直接向输出源多连接了一条传递线，这是一种用来进行残差计算的恒等映射，其效果是为了防止出现网络层数增加而导致的梯度弥散与退化问题，造成模糊的输出；基于纹理关注的生成对抗网络模型的自动编码器采用多尺度损失函数，多尺度损耗从不同的解码器层中提取特征，以形成不同尺寸的输出，通过采用这种方法，可以从不同的尺度获取更多的信息，这里定义编码器的损失函数为： 其中，Si表示从解码层中提取的第i个输出，Ti表示与Si相同比例的真实值标注，是不同尺度的权重，我们把更多的权重放在更大的尺度上，总地来说，生成器的损失函数可以表示为： 其中，整个判别模型由两个判别器构成，两个判别器分别是全局判别器D1和局部判别器D2，全局判别器D1查看整个图像，以检查是否存在不一致性，而局部判别器D2则查看特定的纹理区域，这里利用清晰高分遥感图像的纹理关注图mapx和生成器生成去雾霾后的高分遥感图像纹理关注图mapGx进行判别，以核对局部纹理是否有失真问题，两个判别器均采用5层的卷积神经网络，包含4个3x3的卷积层和1个全连接层，采用sigmoid激活函数，具体来说，全局判别器D1将从生成器中生成的遥感图像与清晰的遥感图像进行判别比较，局部判别器D2将从生成器中生成的遥感图像进行纹理提取处理，然后与之前生成的纹理关注图进行判别比较，为了更好地达到收敛，判别器D1采用的损失函数为： 其中，Iclear是一个无雾霾数据集中的样本，IDehaze为对应去雾霾后的图像样本，是判别器D2中生成图像纹理关注图和清晰图像纹理关注图之间的差异， 其中，Dmap表示CNN生成纹理关注图的过程。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人黑龙江工程学院，其通讯地址为：150025 黑龙江省哈尔滨市红旗大街999号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。