一种强真实感的图像生成算法设计与仿真

传统方法生成的跨模态图像容易造成目标部位重要信息的丢失，生成的图像缺乏真实感。为此，提出了一种基于改进生成对抗网络和半监督学习的跨模态图像生成方法。构建生成性对策网络，分析半监督学习的特点，融合后形成半监督生成性对策网络。鉴别器采用卷积神经网络，发生器采用反卷积神经网络，半监督生成对抗网络中加入分类器，改进网络模型，利用总变差正则化项建立伪判别损失函数。利用随机梯度下降优化算法的体系结构，完成散度似然比的直接优化，最终在三个网络的共同作用下输出生成的跨模态图像。在仿真阶段，从视觉效果和评价指标的角度验证了该方法的有效性。结果表明，上述方法不仅使生成的图像更加逼真，而且保留了大部分目标特征，能够满足图像的高质量要求。