【技术实现步骤摘要】
一种图像补全方法、装置及电子设备
本专利技术涉及图像处理
，特别是涉及一种图像补全方法、装置及电子设备。
技术介绍
出于一些原因，图像中部分像素点的图像信息可能丢失，例如图像中可能添加有水印，水印会遮挡住图片中的部分区域，导致这些区域的像素点的图像信息丢失，影响图像的视觉效果。相关技术中，可以利用深度学习得到的图像补全模型对图像中缺失的图像信息进行补全。图像补全模型的工作原理为根据缺失图像信息的像素点附近的未缺失的图像信息类推得到这些像素点的图像信息。但是图像中可能存在具有一定细节的部分区域，这部分区域的颜色、纹理和图像中其他区域的颜色、纹理存在较大区别，例如图像中可能存在部分区域用于表示人员，而其他区域表示风景，而人员图像的颜色、纹理和风景图像的颜色、纹理存在较大区别。因此如果图像补全模型按照和对其他区域相同的类推方式，对该部分区域丢失的图像信息进行补全，所补全的图像信息可能和该部分区域实际所丢失的图像信息相差较大。因此，如果图像中该部分区域的图像信息丢失，则相关技术中利用图像补全模型对该图像进行补全...
【技术保护点】
1.一种图像补全方法，其特征在于，所述方法包括：/n确定待补全图像中缺失图像信息的待补全图像区域和细节图像区域，所述细节图像区域为所述待补全图像中用于表示预设内容的图像区域；/n根据所述待补全图像区域与所述细节图像区域的重合程度，确定目标图像补全模型；所述目标图像补全模型包括细节图像补全模型或通用补全模型；所述细节图像补全模型为针对所述预设内容训练得到的图像补全模型；所述通用补全模型为针对所述预设内容以外的内容训练得到的图像补全模型；/n基于所述目标图像补全模型对所述待补全图像区域缺失的图像信息进行补全，得到补全结果。/n
【技术特征摘要】
1.一种图像补全方法，其特征在于，所述方法包括：
确定待补全图像中缺失图像信息的待补全图像区域和细节图像区域，所述细节图像区域为所述待补全图像中用于表示预设内容的图像区域；
根据所述待补全图像区域与所述细节图像区域的重合程度，确定目标图像补全模型；所述目标图像补全模型包括细节图像补全模型或通用补全模型；所述细节图像补全模型为针对所述预设内容训练得到的图像补全模型；所述通用补全模型为针对所述预设内容以外的内容训练得到的图像补全模型；
基于所述目标图像补全模型对所述待补全图像区域缺失的图像信息进行补全，得到补全结果。
2.根据权利要求1所述的方法，其特征在于，在所述根据所述待补全图像区域与所述细节图像区域的重合程度，确定目标图像补全模型之前，所述方法还包括：
统计所述待补全图像区域中属于细节图像区域的像素点的数目与所述待补全图像区域中所有像素点的数目的比例，作为所述待补全图像区域与所述细节图像区域的重合程度。
3.根据权利要求1所述的方法，其特征在于，所述细节图像补全模型预先通过以下方式训练得到：
获取原始样本图像和缺失样本图像，所述原始样本图像中包括所述预设内容，所述缺失样本图像为所述原始样本图像中用于表示所述预设内容的部分图像信息丢失后的图像；
将所述缺失样本图像输入至预设生成模型，得到所述预设生成模型输出的补全图像；
基于所述补全图像与所述原始样本图像的差异构建第一损失函数；
基于所述第一损失函数，调整所述预设生成模型的模型参数，直至所述第一损失函数收敛，得到所述细节图像补全模型。
4.根据权利要求3所述的方法，其特征在于，在所述基于所述补全图像与所述原始样本图像的差异构建第一损失函数之前，所述方法还包括：
将所述原始样本图像或所述补全图像输入至预设判别模型，得到所述预设判别模型输出的判别结果，所述判别结果用于表示输入的图像是否为经过补全的图像；
根据所述预设判别模型输出的判别结果的准确程度构建第二损失函数；
基于所述第二损失函数，调整所述预设判别模型的模型参数，得到训练后判别模型；
将所述补全图像输入至所述训练后判别模型，得到所述训练后判别模型输出的判别结果；
...
【专利技术属性】
技术研发人员：贺沁雯，李果，樊鸿飞，蔡媛，
申请(专利权)人：北京金山云网络技术有限公司，
类型：发明
国别省市：北京;11
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。