【技术实现步骤摘要】
本专利技术涉及基于深度学习的图像修复领域，尤其涉及一种基于多粒度空洞卷积神经网络的图像修复方法。
技术介绍
1、图像修复是一种旨在恢复、修复或改善受损或缺失图像的技术，在数字图像处理、医学影像、安全监控、印刷媒体等领域具有广泛的应用。目前，基于先进的深度学习技术，针对大面积或不规则缺失区域的图像修复得到了极大的提升。pathak等人提出了上下文编码方法，通过像素级重构损失和对抗损失对网络模型进行优化。在此基础上，多种改进方法被提出，例如，由粗糙到精细的两阶段模型。song等人引入额外的辅助信息引导缺失内容的正确修复，例如分割预测，边缘连接和结构重建等信息。与传统方法相比，以上方法更好地处理了具有大面积孔洞的图像修复问题。然而，它们需要训练多个网络，而第一个网络产生的伪影会传播到第二个网络中。
2、针对缺失区域较大的图像修复问题，有效的图像修复方法需要1)能够提取图像中的语义信息，进而生成合理的图像内容；2)保持修复区域边缘的连续性；3)生成清晰有序的纹理信息。然而，已有的图像修复方法对于缺失区域较大的图像，无法根据其深层次的...
【技术保护点】
1.基于多粒度空洞卷积神经网络的图像修复方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多粒度空洞卷积神经网络的图像修复方法，其特征在于，在步骤1中，所述预处理包括：将图像像素值规范化到[-1，1]区间，采用插值方法将图像缩放至统一的空间分辨率；
3.根据权利要求1所述的基于多粒度空洞卷积神经网络的图像修复方法，其特征在于，在步骤2中，所述编码器由三个卷积模块实现，每个卷积模块由卷积层、批标准化层及ReLU激活函数层组成，第一个卷积模块的卷积步长设置为1，第二个和第三个卷积模块的卷积步长设置为2，实现对特征图的降采样。
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。