fire-GAN:基于生成对抗网络的火焰图像生成算法

作者：秦魁; 侯新国; 周锋; 闫正军; 卜乐平

来源：激光与光电子学进展, 2022, 1-13.

• 生成对抗网络
• 生成火焰图像
• 火焰图像分割
• 圆形度目标函数
• 数据增强

针对生成对抗网络生成火焰图像质量不高、颜色难以控制的问题，基于HistoGAN算法，本文提出了一种新的火焰生成算法fire-GAN。首先，在图像预处理环节添加火焰图像分割，使网络不受背景的干扰，减少了生成火焰形状变形、颜色失真的情况。其次，提出了圆形度目标函数，使网络在训练过程中更加关注火焰轮廓复杂度。最后，在生成器和判别器中均采取数据增强，使网络在训练的过程中保持稳定，避免发生梯度爆炸。经实验测试，利用fire-GAN生成的火焰与目标火焰的RGB平均误差为2.6%,FID为59.23,IS为2.81。结果表明，利用fire-GAN能生成与目标火焰图像颜色相近，清晰度好，真实性高的火焰图像。

• 单位
  中国人民解放军海军工程大学