(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210418314.8 (22)申请日 2022.04.21 (65)同一申请的已公布的文献号 申请公布号 CN 114511475 A (43)申请公布日 2022.05.17 (73)专利权人 天津大学 地址 300000 天津市南 开区卫津路9 2号 (72)发明人 侯永宏　侯春羽　李斌　朱新山　 李施琦　屈璐瑶　曾筠婷　李亚霖　 钱统玉　 (74)专利代理 机构 天津玺名知识产权代理有限 公司 12237 专利代理师 杜雅欣 (51)Int.Cl. G06T 5/00(2006.01) G06T 11/00(2006.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/80(2022.01) G06V 10/82(2022.01)(56)对比文件 CN 110008842 A,2019.07.12 CN 113807497 A,2021.12.17 CN 110992275 A,2020.04.10 CN 111816156 A,2020.10.23 CN 113496235 A,2021.10.12 CN 110599530 A,2019.12.20 CN 112233018 A,2021.01.15 CN 111915513 A,2020.1 1.10 CN 111861910 A,2020.10.3 0 CN 113870157 A,2021.12.31 朱斯琪.基 于改进型循环一 致性生成对抗网 络的低剂量. 《光学 学报》 .2020,第40卷(第2 2 期),全文. 李硕士.基于残差密集 块与注意力机制的图 像去雾网络. 《湖南大 学学报 （自然科 学版） 》 .2021,第48卷(第6期),全 文. 彭鹏.基于CycleGAN的图像风格转换. 《中国 优秀博硕士学位 论文全文数据库(硕士)信息科 技辑》 .2020,全 文. 审查员 王明芳 (54)发明名称 一种基于改进Cycle GAN的图像生成方法 (57)摘要 本发明公开了一种基于改进Cycle  GAN的图 像生成方法， 包括从X域图像数据库中获取输入 图像； 将所述输入图像输入至编码器并输出特征 图像； 将所述特征图像输入至 特征权重自适应模 块， 对所述特征图像提取背景信息和目标特征信 息， 并针对提取的背景信息和目标特征信息进行 不同权重的特征融合； 将处理后的特征图像依次 输入至转换器和解码器中还原生成输出图像。 本 发明的图像生成方法将特征融合机制引入Cycle   GAN网络， 改进后生成的 图像效果更加真实， 特征 细节处理效果更好， 且改善了原网络转换后背景 失真问题， 使得转换后的图像在结构、 亮度和色彩上更加接近于真实场景 下的图像 。 权利要求书2页 说明书8页 附图6页 CN 114511475 B 2022.08.02 CN 114511475 B 1.一种基于改进Cycle  GAN的图像生成方法， 其特 征在于， 包括： 从X域图像数据库中获取输入图像； 将所述输入图像输入至编码器并输出 特征图像； 将所述特征图像输入至特征权重自适应模块， 对所述特征图像提取背景信 息和目标特 征信息， 并针对提取的背景信息和目标 特征信息进行不同权 重的特征融合； 所述特征权重自适应模块包括多条分支路， 所述多条分支路包括两条池化支路用于提 取风格和纹 理信息， 还 包括多卷积分支路用于融合 不同感受野尺度下的特 征信息； 将处理后的特 征图像依次输入至转换器和解码器中还原生成输出图像。 2.根据权利要求1所述的基于改进Cycle  GAN的图像生成方法， 其特征在于， 所述两条 池化支路包括平均池化支路和最大池化支路， 分别用于提取全局特 征和提取局部特 征。 3.根据权利要求2所述的基于改进Cycle  GAN的图像生成方法， 其特征在于， 所述多卷 积分支路包括三组1*1卷积用于对 特征图像进行通道压缩， 三组所述 1*1卷积分别接入一组 3*3卷积、 一组5 *5卷积、 以及一组7*7 卷积， 用于融合 不同感受野尺度下的特 征信息。 4.根据权利 要求3所述的基于改进Cycle  GAN的图像生成方法， 其特征在于， 所述3*3卷 积、 5*5卷积和7*7卷积均接入一组1*1反卷积， 用于对特征图像进行还原； 所述多卷积分支 路拼接后接入一SE注意力模块， 用于对每 个通道赋予不同的权 重。 5.根据权利要求2 ‑4中任一项权利 要求所述的基于改进Cycle  GAN的图像生成方法， 其 特征在于， 所述特 征权重自适应模块还 包括残差支路。 6.根据权利要求5所述的基于改进Cycle  GAN的图像生成方法， 其特征在于， 所述平均 池化支路包括平均池化层和tanh激活层一， 所述最大池化支路包括最大池化层和tanh激活 层二。 7.根据权利要求6所述的基于改进Cycle  GAN的图像生成方法， 其特征在于， 所述多卷 积分支路的计算公式为： 其中， 为按通道拼接函数， 为1*1卷积， 为3*3卷积， 为5* 5卷积,  为7*7卷积， 为1*1反卷积， 为输入特 征。 8.根据权利要求7所述的基于改进Cycle  GAN的图像生成方法， 其特征在于， 所述针对 提取的背景信息和目标 特征信息进行不同权 重的特征融合的计算公式为： 权　利　要　求　书 1/2 页 2 CN 114511475 B 2其中， 为归一化权重， 为初始化指数 权重， 为特征权重， 为平均池化支路， 为最大池化支路， 为多卷积分 支路， 为残差支路。 9.根据权利要求1所述的基于改进Cycle  GAN的图像生成方法， 其特征在于， 所述编码 器包括三个卷积层， 3通道256*256的输入图像经过编码器输出256*64*64的特征图像， 送入 特征权重自适应模块， 经特征融合后进入转换器， 转换器包括九个残差块， 每个残差块由  2  个卷积层组成， 解码器包括三个反卷积层将256*64*64的特征图还原成3通道256*256的输 出图像。权　利　要　求　书 2/2 页 3 CN 114511475 B 3