基于生成对抗网络的低秩图像生成方法

摘要：

低秩纹理结构是图像处理领域中具有重要几何意义的结构,通过提取低秩纹理可以对受到各种变换干扰的图像进行有效校正.针对受到各种变换干扰的低秩图像校正问题,利用生成式框架来缓解图像中不具明显低秩特性区域的校正结果不理想的问题,提出了一种非监督式的由图像生成图像的低秩纹理生成对抗网络(Low-rank generative adversarial network, LR-GAN) 算法.首先,该算法将传统的无监督学习的低秩纹理映射算法(Transform invariant low-rank textures, TILT) 作为引导加入到网络中来辅助判别器,使网络整体达到无监督学习的效果,并且使低秩对抗对在生成网络和判别网络上都能够学习到结构化的低秩表示.其次,为了保证生成的图像既有较高的图像质量又有相对较低的秩,同时考虑到低秩约束条件下的优化问题不易解决(NP 难问题),在经过一定阶段TILT 的引导后,设计并加入了低秩梯度滤波层来逼近网络的低秩最优解.通过在MNIST, SVHN 和FG-NET 这三个数据集上的实验,并使用分类算法评估生成的低秩图像质量,结果表明,本文提出的LR-GAN算法均取得了较好的生成质量与识别效果.

关键词：生成对抗网络、低秩纹理生成对抗网络、结构化低秩表示、低秩约束

所属期刊栏目：44

资助基金：国家自然科学基金61271374资助 Supported by National Natural Science Foundation of China61271374

在线出版日期：2018-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：829-839