一种基于马尔科夫理论的自然场景藏文图像数据增强方法

本发明提供了一种基于马尔科夫理论的自然场景藏文图像数据增强方法，包括：识别输入信息语义；定义马尔科夫过程，该过程将训练数据逐步加入噪声扰动，形成一个马尔科夫链；定义逆马尔科夫过程，该过程使用一个神经网络模型，根据当前的扰动图像和时间步长，预测并去除扰动，逐步恢复原始图像；训练神经网络模型，使其能够最大化逆马尔科夫过程的条件概率；生成图像，将马尔科夫过程处理后得到的结果作为初始状态矩阵，然后沿着马尔科夫链反向遍历，使用神经网络模型逐步还原，最终得到生成的图像。本发明可以避免生成模型中常见的对抗训练、模式崩溃、梯度消失等问题，同时可以实现高效的并行化和可扩展性，生成的图像具有高分辨率和多样性。