【技术实现步骤摘要】
一种照片修复系统构建方法、照片修复方法及系统
本专利技术涉及图像处理
,尤其涉及一种照片修复系统构建方法、照片修复方法及系统。
技术介绍
近年来深度学习技术在多个领域取得了令人瞩目的成果,比如在自然语言处理领域成功应用于语音识别、聊天机器人和机器翻译等诸多方面。在图像处理方面,卷积神经网络的出现使得深度学习在图像分类、人脸识别、图像分割和目标检测等方面性能远超传统机器学习方法。对于受天然或者人为因素影响而使其具有破损,泛黄,发霉,腐蚀褪色、有折痕以及出现斑点等缺陷的旧损照片,目前,通常采用图像修复软件,如Photoshop(PS),对旧损照片进行人为修复。这种修复方法往往需要很强的专业技能,需要熟练掌握软件技巧的人才能操作,且修复时间长,修复成本高。由于旧损照片的破损方式和破损程度具有很强的多样性,致使传统的图像处理方法以及机器学习方法都很难达到理想的效果。因此,对旧损照片的自动化修复处理的研究有着现实的意义。
技术实现思路
本专利技术要解决的技术问题就在于:针对现有技术存在的技术问题,本专 ...
【技术保护点】
1.一种照片修复系统构建方法,其特征在于:/nS1.构建并训练第一对抗神经网络,并通过所述第一对抗神经网络,将第一旧损照片转换成为伪旧损照片;/nS2.构建第二对抗神经网络,并分别以所述第一对抗神经网络生成的所述伪旧损照片和预设的清晰照片为训练样本,训练所述第二对抗神经网络;并以所述第二对抗神经网络为照片修复系统。/n
【技术特征摘要】
1.一种照片修复系统构建方法,其特征在于:
S1.构建并训练第一对抗神经网络,并通过所述第一对抗神经网络,将第一旧损照片转换成为伪旧损照片;
S2.构建第二对抗神经网络,并分别以所述第一对抗神经网络生成的所述伪旧损照片和预设的清晰照片为训练样本,训练所述第二对抗神经网络;并以所述第二对抗神经网络为照片修复系统。
2.根据权利要求1所述的照片修复系统构建方法,其特征在于:在步骤S1中所述第一对抗神经网络的训练过程中,所述第一对抗神经网络的生成器将作为训练样本的第一旧损照片转换成伪旧损照片,所述第一对抗神经网络的判别器通过判别所述伪旧损照片和预设的真实旧损照片来实现对第一对抗神经网络的优化。
3.根据权利要求2所述的照片修复系统构建方法,其特征在于:所述第一旧损照片为清晰照片和旧损蒙版照片合成的照片。
4.根据权利要求2所述的照片修复系统构建方法,其特征在于:所述第一对抗神经网络的生成器包括依次设置的编码器和解码器,生成器的非最后一层采用LeakyReLu激活函数,生成器的最后一层采用tanh激活函数;所述第一对抗神经网络的判别器中,非最后一层采用LeakyReLu激活函数,最后一层采用Sigmoid...
【专利技术属性】
技术研发人员:何世文,于胡飞,温景熙,蒋沛,张尧学,
申请(专利权)人:中南大学,
类型:发明
国别省市:湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。