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！

龙图腾网获悉中国科学技术大学申请的专利基于生成对抗网络的条件式烟雾图像生成方法及系统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：CN116721324B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310742261.X，技术领域涉及：G06V10/80；该发明授权基于生成对抗网络的条件式烟雾图像生成方法及系统是由张启兴;霍一诺;张永明设计研发完成，并于2023-06-21向国家知识产权局提交的专利申请。

本基于生成对抗网络的条件式烟雾图像生成方法及系统在说明书摘要公布了：本发明涉及一种基于生成对抗网络的条件式烟雾图像生成方法及系统，其方法包括：S1：将训练集中烟雾图像中的烟雾区域扣除，形成对应的无烟背景图像、烟雾轮廓掩码和真实烟雾图像；S2：将无烟背景图像与烟雾轮廓掩码叠加后输入多尺度扩展融合生成网络，得到生成的烟雾图像；S3：将生成的烟雾图像与对应的真实烟雾图像输入双支路判别网络，通过对局部与全局特征的对比得到各项损失值，从而引导两个网络对抗训练，得到训练好的多尺度扩展融合生成网络；S4：对目标场景进行火灾数值模拟，得到缺失区域的背景图像和烟雾轮廓掩码并输入训练好的多尺度扩展融合生成网络，获得烟雾生成图像。本发明提供的方法解决了目前视频火灾探测存在的训练数据不足问题。

本发明授权基于生成对抗网络的条件式烟雾图像生成方法及系统在权利要求书中公布了：1.一种基于生成对抗网络的条件式烟雾图像生成方法，其特征在于，包括： 步骤S1：将训练集中烟雾图像中的烟雾区域扣除，形成一一对应的无烟背景图像、烟雾轮廓掩码以及真实烟雾图像； 步骤S2：将所述无烟背景图像与所述烟雾轮廓掩码叠加后输入多尺度扩展融合生成网络，对所述无烟背景图像中缺失的烟雾区域进行填充，得到生成的烟雾图像，具体包括： 步骤S21：构建所述多尺度扩展融合生成网络包括：一个编码器、多个深度特征提取器和一个解码器； 步骤S22：将所述无烟背景图像与所述烟雾轮廓掩码叠加后输入所述多尺度扩展融合生成网络，首先经过所述编码器的四个卷积层，进行两次下采样，分别得到中尺度特征图和小尺度特征图； 步骤S23：将所述小尺度特征图输入第一个深度特征提取器，所述第一个深度特征提取器由8个多尺度扩展融合模块串联而成，所述多尺度扩展融合模块利用四个膨胀率不同的卷积核同时进行特征提取，采用相加与拼接两种方式进行特征融合，输出小尺度全局特征图； 步骤S24：将所述小尺度全局特征图上采样一次后与所述中尺度特征图叠加后输入第二个深度特征提取器，其中，所述第二个深度特征提取器由4个所述多尺度扩展融合模块串联而成，输出中尺度局部特征图； 步骤S25：将所述中尺度局部特征图经过所述解码器的两个卷积层，上采样一次后与所述无烟背景图像叠加后，得到生成的烟雾图像； 步骤S3：将所述生成的烟雾图像与对应的真实烟雾图像输入双支路判别网络，通过对局部与全局特征的对比得到各项损失值，从而引导所述多尺度扩展融合生成网络与所述双支路判别网络的对抗训练，得到训练好的多尺度扩展融合生成网络，具体包括： 步骤S31：构建双支路判别网络包括两个结构相同的分支，每个分支均由六个卷积层串联而成；其中，第一分支处理完整的输入图像，得到全局特征图来判断所述输入图像的合理性；第二分支仅处理输入图像中的烟雾区域，得到局部特征图来判断烟雾细节纹理的真实性；最后将所述全局特征图与所述局部特征图相连接，输入分类器，得到输入图像的判别结果； 步骤S32：将所述生成的烟雾图像及其对应的真实烟雾图像输入所述双支路判别网络，得到对应的所述局部特征图与判别结果； 步骤S33：将所述生成的烟雾图像与所述真实烟雾图像的判别结果输入对抗损失函数得到对抗损失值以引导所述多尺度扩展融合生成网络与所述双支路判别网络的训练，其中，所述多尺度扩展融合生成网络与所述双支路判别网络的对抗损失函数如下所示； 1 2 其中，为所述多尺度扩展融合生成网络的对抗损失值，为所述双支路判别网络的对抗损失值，为真实烟雾图像的像素值，为生成的烟雾图像的像素值，为求平均值，相对监视器与的具体结构如下： 3 4 其中，为sigmoid函数，为所述双支路判别网络输出的判别结果； 步骤S34：将所述生成的烟雾图像与所述真实烟雾图像的局部特征进行对比，得到特征损失以引导所述多尺度扩展融合生成网络的纹理细节补全性能，特征损失函数如下所示； 5 6 其中，为所述多尺度扩展融合生成网络的特征损失值，l为特征尺度序号，为各尺度特征图的元素数量，为所述双支路判别网络的第二分支上各尺度的局部特征图；为所述真实烟雾图像的局部特征； 步骤S35：根据、和更新所述多尺度扩展融合生成网络及所述双支路判别网络的参数，直到所述双支路判别网络无法区分真实烟雾图像和生成的烟雾图像； 步骤S4：针对目标场景进行火灾数值模拟，通过计算得到所述目标场景的火灾初期烟雾扩散图像，经过像素二值化处理获得烟雾轮廓掩码，将所述目标场景图像中掩码区域内的像素扣除，得到具有缺失区域的背景图像；将所述具有缺失区域的背景图像和所述烟雾轮廓掩码输入到所述训练好的多尺度扩展融合生成网络，在所述具有缺失区域的背景图像填充合理的烟雾纹理，获得逼真的烟雾生成图像。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。

以上内容由龙图腾AI智能生成。