图像修复方法、装置及计算机可读存储介质制造方法及图纸

本公开是关于一种图像修复方法、装置及计算机可读存储介质。采用该方法对图像进行修复时，首先，根据待修复样本图像、目标样本图像以及全卷积网络输出的结果样本图像，对所述全卷积网络进行训练，得到图像修复模型，最后，将待修复图像输入所述图像修复模型，以得到修复后的图像，因此，采用上述技术方案，利用全卷积网络的可处理大数据的优势，对全卷积网络进行训练，使得训练后得到的图像修复模型更为准确，因而，利用训练后得到的图像修复模型对图像进行修复，可提高图像修复的准确度。

Image inpainting method, device and computer readable storage medium

The present disclosure relates to an image restoration method, device and computer-readable storage medium. When the image is repaired with this method, first, according to the sample image, the target sample image and the total convolution network output sample image, the full convolution network is trained and the image repair model is obtained. Finally, the image repair model is input to the reconstructed image to get the repaired. Therefore, using the above technical scheme, the full convolution network can be trained by the advantage of the full convolution network processing large data, which makes the image restoration model more accurate after the training. Therefore, the image restoration model can be repaired by the image repair model after the training, which can improve the accuracy of the image restoration.

【技术实现步骤摘要】
图像修复方法、装置及计算机可读存储介质
本公开涉及图像处理
，尤其涉及一种图像修复方法、装置及计算机可读存储介质。
技术介绍
图像修复是指对受到损坏的图像进行修复重建或者去除图像中表征多余物体的区域。通常情况下，人们常采用Photoshop等软件对需要修复的图像(也即待修复图像)进行修复，但是此种方法对修图技巧的要求比较高，因此，需要专业的技术人员对图像进行修复，成本较高，大多数人难以掌握，从而无法获得较好的修图效果。
技术实现思路
为克服相关技术中存在的问题，本公开提供一种图像修复方法、装置及计算机可读存储介质。根据本公开实施例的第一方面，提供一种图像修复方法，包括：根据待修复样本图像、目标样本图像以及全卷积网络输出的结果样本图像，对所述全卷积网络进行训练，得到图像修复模型；将待修复图像输入所述图像修复模型，以得到修复后的图像。可选地，根据待修复样本图像、目标样本图像以及全卷积网络输出的结果样本图像，对所述全卷积网络进行训练，得到图像修复模型，包括：将所述待修复样本图像输入所述全卷积网络，得到所述结果样本图像；根据所述结果样本图像与目标样本图像之间的逐像素误差，以及所述待修复样本本文档来自技高网...

【技术保护点】
一种图像修复方法，其特征在于，包括：根据待修复样本图像、目标样本图像以及全卷积网络输出的结果样本图像，对所述全卷积网络进行训练，得到图像修复模型；将待修复图像输入所述图像修复模型，以得到修复后的图像。

【技术特征摘要】
1.一种图像修复方法，其特征在于，包括：根据待修复样本图像、目标样本图像以及全卷积网络输出的结果样本图像，对所述全卷积网络进行训练，得到图像修复模型；将待修复图像输入所述图像修复模型，以得到修复后的图像。2.根据权利要求1所述的方法，其特征在于，根据待修复样本图像、目标样本图像以及全卷积网络输出的结果样本图像，对所述全卷积网络进行训练，得到图像修复模型，包括：将所述待修复样本图像输入所述全卷积网络，得到所述结果样本图像；根据所述结果样本图像与目标样本图像之间的逐像素误差，以及所述待修复样本图像与所述目标样本图像之间的对抗性误差，对所述全卷积网络进行训练，得到图像修复模型。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：根据以下公式，得到所述逐像素误差：其中，Lpixel表示所述逐像素误差，N表示所述结果样本图像上的像素点总数或所述目标样本图像上的像素点总数，表示所述目标样本图像上的第i个像素点的像素值，pi表示所述结果样本图像上的第i个像素点的像素值；根据以下公式，得到所述对抗性误差：其中，Ladv表示所述对抗性误差，E()表示期望，G()表示所述对抗性误差的生成模型，D()表示所述对抗性误差的判别模型，S表示所述待修复样本图像，T表示所述目标样本图像。4.根据权利要求3所述的方法，其特征在于，根据所述结果样本图像与目标样本图像之间的逐像素误差，以及所述待修复样本图像与所述目标样本图像之间的对抗性误差，对所述全卷积网络进行训练，得到所述图像修复模型，包括：根据以下公式，得到目标误差：L＝Lpixel+αLadv其中，L表示所述目标误差，α表示所述逐像素误差和所述对抗性误差之间的相对权重；利用所述目标误差，对所述全卷积网络进行训练，得到所述图像修复模型。5.根据权利要求1所述的方法，其特征在于，将待修复图像输入所述图像修复模型，以得到修复后的图像，包括：统计原始图像中需要保留的区域上各个像素点的像素值的均值；将所述原始图像中需要去除的区域的像素值设置为所述均值，以得到所述待修复图像；通过所述图像修复模型，对所述待修复图像中像素值为所述均值的区域进行像素重建，以得到所述修复后的图像。6.一种图像修复装置，其特征在于，包括：训练模块，被配置为根据待修复样本图像、目标样本图像以及全卷积网络输出的结果样本图像，对所述全卷积网络进行训练，得到图像修复模型；修复模块，被配置为将待...

【专利技术属性】
技术研发人员：杨松，
申请(专利权)人：北京小米移动软件有限公司，
类型：发明
国别省市：北京,11