一种基于SSGAN的古代残损纺织物图像修复方法技术

本发明专利技术提供一种基于SSGAN的古代残损纺织物图像修复方法，其特征在于，具体按照如下方式实施：步骤1，采集残损或信息丢失的古代纺织物的图片，对图片进行预处理，得到尺寸统一的图片，所有尺寸统一的图片组成训练集；步骤2，建立半监督生成式对抗网络模型，所述半监督生成式对抗网络模型包括生成器G(z)和判别器D(x)；步骤3，对所述半监督生成式对抗网络模型进行训练；步骤4，在训练集中选取一张图片作为输入图片，利用训练好的半监督生成式对抗网络模型对输入图片进行修复，输出修复后的图片。本发明专利技术解决了现有技术中存在的图像大面积缺失修复产生模糊现象及任意部分信息缺失修复视觉连贯性差的问题。

An image restoration method of ancient damaged textile based on ssgan

The invention provides an image restoration method of ancient damaged textile based on ssgan, which is characterized in that: Step 1: collect the pictures of damaged or lost ancient textile, preprocess the pictures, get the pictures with uniform size, all the pictures with uniform size constitute the training set; step 2: establish a semi supervised generative countermeasure network model The semi supervised generative countermeasure network model includes generator g (z) and discriminator D (x); step 3, train the semi supervised generative countermeasure network model; step 4, select a picture as the input picture in the training set, repair the input picture with the trained semi supervised generative countermeasure network model, and output the repaired picture. The invention solves the problems of blur caused by large area image missing repair and poor visual coherence of any part of information missing repair existing in the prior art.

【技术实现步骤摘要】
一种基于SSGAN的古代残损纺织物图像修复方法
本专利技术属于图像处理
，涉及一种基于SSGAN的古代残损纺织物图像修复方法。
技术介绍
随着计算机视觉的不断革新，推动了图像处理
的快速发展，图像修复作为图像处理的一个重要研究方向，在资料修复、虚拟现实、图像缩放等方面有着重要的现实意义，尤其是在文物修复方面具有重大的历史价值。传统的图像修复方法主要采用局部或非局部的信息修复缺失和残损部分，经典的BSCB图像修复算法是一种比较简单且易于理解和实现的算法，然而该算法修复的基本单位是像素，会导致图像在修复的过程中由于计算量大与计算复杂等产生运行速度较慢的问题；整体变分(totalvariation，TV)算法考虑了图像的平滑特性，采用各向异性扩散的形式对破损的边缘区域进行修复，但是缺失区域较大时会产生模糊，在修复小的缺失区域和消除噪音时很有效，可以将图像中的边缘信息进行延伸，但是此修复方法仅适用于较小区域的缺失情况很难满足人类视觉连通性；Criminisi算法充分考虑了图像的结构信息和纹理信息，相比于其他修复技术此修复技术在大区域本文档来自技高网...

【技术保护点】
1.一种基于SSGAN的古代残损纺织物图像修复方法，其特征在于，具体按照如下方式实施：/n步骤1，采集残损或信息丢失的古代纺织物的图片，对图片进行预处理，得到尺寸统一的图片，所有尺寸统一的图片组成训练集；/n步骤2，建立半监督生成式对抗网络模型，所述半监督生成式对抗网络模型包括生成器G(z)和判别器D(x)；/n步骤3，对所述半监督生成式对抗网络模型进行训练；/n步骤4，在训练集中选取一张图片作为输入图片，利用训练好的半监督生成式对抗网络模型对输入图片进行修复，输出修复后的图片。/n

【技术特征摘要】
1.一种基于SSGAN的古代残损纺织物图像修复方法，其特征在于，具体按照如下方式实施：
步骤1，采集残损或信息丢失的古代纺织物的图片，对图片进行预处理，得到尺寸统一的图片，所有尺寸统一的图片组成训练集；
步骤2，建立半监督生成式对抗网络模型，所述半监督生成式对抗网络模型包括生成器G(z)和判别器D(x)；
步骤3，对所述半监督生成式对抗网络模型进行训练；
步骤4，在训练集中选取一张图片作为输入图片，利用训练好的半监督生成式对抗网络模型对输入图片进行修复，输出修复后的图片。


2.如权利要求1所述的一种基于SSGAN的古代残损纺织物图像修复方法，其特征在于，所述生成器G(z)表达式为：





3.如权利要求1所述的一种基于SSGAN的古代残损纺织物图像修复方法，其特征在于，所述判别器D(x)为K+1分类器，表达式为：
D(x)＝1-pmodel(y＝K+1|x)(2)
其中pmodel表示判别器判别假图像的概率。


4.如权利要求3所述的一种基于SSGAN的古代残损纺织物图像修复方法，其特征在于，所述判别器D(x)采用优化函数logpmodel(y∈{1,......,k}|x)来训练；
所述判别器D(x)训练时的损失函数由监督学习损失和无监督学习损失两部分构成，具体公式如下：
L＝Lsupervised+Lunsupervised(3)
其中Lsupercised为监督学习的损失函数，公式如式(2)所示，Lunsupercised为无监督学习损失函数，公式如式(3)所示






其中pmodel表示判别器判别假图像的概率，
其中表示生成真实数据的期望值，Ex～Glog[pmodel(y＝K+1|x)]表示生成假数据的期望。


5.如权利要求4所述的一种基于SSGAN的...

【专利技术属性】
技术研发人员：李云红，穆兴，汤汶，张宝军，贺如月，李传真，张轩，毕远东，李弘昊，文达，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：陕西;61