一种生成式对抗网络的图像修复方法技术

本发明专利技术涉及图像修复技术领域，具体为一种生成式对抗网络的图像修复方法，包括如下步骤：生成式对抗网络的图像修复方法由四个部分组成，S1:第一部分涉及生成式对抗网络，利用生成式对抗网络GAN生成有效的伪图像集；S2:第二部分为选择修复补丁，确定图像的填充顺序，选择有效的优先级函数去确定好下一待修复像素补丁。该算法对生成式对抗网络结构进行了改进，选用残差神经网络结构替换生成器结构，可生成更有效的伪图像集，从而激发判别器提升其性能，并选用优先级函数和均方误差(MSE)确定待修复补丁和与其最佳匹配补丁，结合期望最大化(EM)算法最小化来优化补丁匹配与补丁合成的细节，对丢失图像进行二次修复，改善细节融合。合。合。

【技术实现步骤摘要】
一种生成式对抗网络的图像修复方法


[0001]本专利技术涉及图像修复
，尤其是涉及一种生成式对抗网络的图像修复方法。

技术介绍

[0002]图像修补也称图像修复，是指将信息缺失或损坏的图像进行填充，并达到人类视觉效果所满意的地步。它可以应用于许多场合，例如修复珍贵书籍或字画图片中残缺的信息，修补老照片中丢失损坏的部分，或从图像中删除不需要的文本对象。所以，图像修复是图像处理技术中一大研究热点。通常图像修复的内容由图像的纹理结构和语义结构两方面决定，纹理信息和语义信息恢复的精度决定了图像修补的精度特性。
[0003]为解决图像修补的问题，许多科研人员分别对破损信息区域的大小来选择修补方案。以往方法基上都在复制粘贴来自于图像已知区域的类似信息，其严格被限制于图像结构较少、无高度结构化信息。情境感知图像修复方法最新用于完成图像的研究方案之中，这要求系统了解图像的整体语义。这就是生成对抗性网络发挥作用的地方。最初的生成式对抗网络从高斯分布采样的随机向量中生成样本，忽略先前知识信息的输入。
[0004]为此，提出一种生成式对抗网络的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种生成式对抗网络的图像修复方法，其特征在于，包括如下步骤：生成式对抗网络的图像修复方法由四个部分组成；S1:第一部分涉及生成式对抗网络，利用生成式对抗网络GAN生成有效的伪图像集；S2:第二部分为选择修复补丁，确定图像的填充顺序，选择有效的优先级函数去确定好下一待修复像素补丁；S3:第三部分为寻找最佳匹配补丁，利用均方误差在生成式对抗网络生成的众多伪图像集中确定与待修复区域最匹配的补丁；S4:第四部分为优化图像修复，将期望最大化算法引入图像修复算法，对丢失图像进行二次修复，改善细节融合。2.根据权利要求1所述的一种生成式对抗网络的图像修复方法，其特征在于：在所述S1中，所述生成式对抗网络由生成式模型G和判别式模型D组成，所述生成式模型G和判别式模型D由两个残差神经网络组成，所述残差网络由卷积层、池化层以及激活函数组成。卷积层替换以往的全连接层，进行卷积操作，并添加dropout，池化层采用标准化操作，并且使用tanh激活函数代替ReLU激活函数。3.根据权利要求1所述的一种生成式对抗网络的图像修复方法，其特征在于：在所述S2...

【专利技术属性】
技术研发人员：潘玥，刘正男，李津津，梁美玉，王羲献，
申请(专利权)人：安徽信息工程学院，
类型：发明
国别省市：