【技术实现步骤摘要】
一种结构与纹理相互促成的图像修复方法
[0001]本专利技术属于自然图像处理领域,特别涉及一种结构与纹理相互促成的图像修复方法。
技术介绍
[0002]图像修复旨在根据受损图像中的已知区域来预测生成图像中的未知区域,从而合成视觉上合理的高质量图像。图像修复被广泛应用于图像编辑、老照片修复、目标移除等任务上。然而,生成合理的图像内容是极具挑战性的。
[0003]目前,图像修复方法主要分为传统方法和基于深度学习的方法。传统的方法主要包括基于扩散的方法和基于小块的方法。基于扩散的方法的思路是通过变分问题推导出迭代算法,达到将图像已知区域的边界像素扩散到未知区域的目的。基于小块的方法旨在已知区域寻找与未知区域最相关的小块,以复制小块的方式来填补缺失区域。但是,这些传统方法只能在图像水平上机械推理,并不能挖掘到图像的高级语义特征,对填补更大缺失区域的图像效果不理想。
[0004]近几年来,随着深度学习和神经网络的发展和应用,基于深度学习的图像修复方法弥补了传统方法的不足,并取得了更优的性能。其中,卷积神经网络和生成对抗网络在图像修复任务中被广泛应用。Pathak等人提出第一个基于深度学习的修复方法,设计了上下文编码器,采用编码器
‑
解码器结构,在其中嵌入了通道全连接层提升网络预测能力,同时,他们将对抗训练应用于该网络,使图像更加清晰。自此,众多研究者在上下文编码器的基础上进行改进。一些研究者以卷积神经网络为工具,寻求更好的特征表示和特征推理方法。Iizuka等人通过堆叠多层空洞卷积来捕获更远距 ...
【技术保护点】
【技术特征摘要】
1.一种结构与纹理相互促成的图像修复方法,其特征在于:所述方法包括如下步骤:步骤a、搭建双分支并行耦合生成器的网络框架:双分支并行耦合生成器以边缘作为结构表示,以图像作为纹理表示,对图像的结构和纹理进行建模;该框架包含并行的结构支流和纹理支流;结构支流以受损边缘E
in
、受损灰度图像Y
in
和二值掩码M为输入,旨在重建受损的结构,其中,所述二值掩码中,0代表未受损区域,1代表受损区域;纹理支流是以受损图像I
in
和二值掩码M为输入,旨在为受损区域合成纹理细节;与此同时,在两个支流之间嵌入两种特征交互机制,即结构
‑
纹理交互单元STIU和基于空间域和通道域的交互模块SCIM,用以实现结构特征和纹理特征的双向交互,使两者能够相互获取到互补信息,来增强自身特征;双分支并行耦合生成器包括四个部分:1、结构
‑
纹理交互的编码器STIE;2、结构
‑
纹理远距离交互STDI;3、结构
‑
纹理交互的解码器STID;4、结构
‑
纹理融合STF;其中,结构
‑
纹理交互的编码器STIE包括结构编码器SE、纹理编码器TE和3个结构
‑
纹理交互单元STIU;其中,结构编码器SE和纹理编码器TE都包含3层卷积层,结构编码器SE提取结构特征,纹理编码器TE提取纹理特征,且结构特征和纹理特征通过结构
‑
纹理交互单元STIU进行双向交互、提取互补信息;结构
‑
纹理交互的编码器STIE的步骤表示为如下公式:在公式1中,i=1,2,3;是SE中第i层卷积层输出的结构特征;T
iTE
是TE中第i层卷积层输出的纹理特征;和分别是SE和TE中第i层卷积层;和都是增强后的结构特征;和都是增强后的纹理特征;为STIE中第i个结构
‑
纹理交互单元;“||”指按通道维度拼接操作;按照以上方式,计算出和两者随后被输出下述的结构
‑
纹理远距离交互;结构
‑
纹理远距离交互STDI包括结构瓶颈层SB、纹理瓶颈层TB和4个SCIM;结构瓶颈层SB和纹理瓶颈层TB都由4个残差空洞卷积模块RDCB组成,通过残差空洞卷积模块RDCB能够利用不同的空洞卷积层来搜索上下文信息,分别捕获结构和纹理的上下文信息;基于空间域和通道域的交互模块SCIM分别在空间域和通道域上对捕获的结构特征和纹理特征进行关注,实现结构
‑
纹理的远距离交互;结构
‑
纹理远距离交互STDI的模式表示为以下形式:在公式2中,j=1,2,3,4;是SB中第j个RDCB输出的远距离结构特征;是TB中第j个RDCB输出的远距离纹理特征;和分别为SB和TB中第j个残差空洞卷积模块;和都是增强后的远距离结构特征;和都是增强后的远距离纹理特征;
SCIM
j
(
·
,
·
)是第j个基于空间域和通道域的交互模块;通过以上方式,计算出和两者随后被输入到下述的结构
‑
纹理交互的解码器;结构
‑
纹理交互的解码器STID包括结构解码器SD、纹理解码器TD和3个STIU;结构解码器SD和纹理解码器TD都包含2层卷积层和2层反卷积层,分别对结构和纹理进行恢复;结构
‑
纹理交互单元STIU用来对结构和纹理进行交互;具体地,结构解码器SD和纹理解码器TD中的第一层卷积层用来对和进行整合,分别得出和T
1TD
;随后过程的表达方式如下:在公式3中,k=1,2,3;和都是增强后的结构特征;和都是增强后的纹理特征;是STID中第k个结构
‑
纹理交互单元;是SD中第k层卷积层输出的结构特征;是SD中第k+1层卷积层输出的结构特征;是TD中第k层卷积层输出的纹理特征;是TD中第k+1层卷积层输出的纹理特征;和是SD和TD中第k+1层卷积层;按照以上方式得出被恢复的结构特征和纹理特征同时,在结构
‑
纹理交互的解码器STID中构建了结构特征金字塔和纹理特征金字塔;在得出恢复好的结构特征和纹理特征后,嵌入一个结构
‑
纹理交互单元来对两者进行融合,表示为以下形式:在公式4中,F1和F2是两个融合后的特征;STIU
STF
(
·
,
·
)为结构
‑
纹理交互单元;为被恢复的结构特征;为被恢复的纹理特征;最后,两融合特征被按通道维度拼接,输入到输出层来生成最后的预测图像I
out
;步骤b、结构
‑
纹理双向交互模块的设计:由步骤a看出,两个结构
‑
纹理双向交互机制被嵌入到结构支流和纹理支流之间,分别是结构
‑
纹理交互单元STIU和基于空间域和通道域的交互模块SCIM;结构
‑
纹理交互单元STIU和基于空间域和通道域的交...
【专利技术属性】
技术研发人员:文成林,曹飞龙,宋执环,张清华,
申请(专利权)人:广东石油化工学院,
类型:发明
国别省市:
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。