基于生成对抗网络的数字图像修复技术

• 作者: 徐艳杰 李昕 李雪瑾
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 图像修复 深度学习 生成对抗网络 生成模型 损失函数
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 40-46
• 页数: 7页
• 分类号: TP391|TN0
• 语种: 中文
• DOI: 10.13382/j.jemi.B1801710

摘要

针对破损区域面积大的图像,在现有的图像修复方法中,往往会产生与周围区域不一致的扭曲结构或模糊的纹理.随着深度学习的发展和应用,基于生成对抗网络的方法,通过调节可用数据来生成缺失的内容.对于一个数据集,先将数据集中的样本解析成概率分布中的样本点,利用生成对抗网络快速生成出大量伪造图像,通过搜索最接近的已损坏图像的编码,然后这个编码通过生成模型来推断缺失内容.在此基础上,结合了语义损失函数和感知损失函数,并通过改进激活函数Sigmoid函数扩大了不饱和区域,解决了梯度易消失的问题.通过实验表明,方法成功的预测了图像中大面积缺失区域的信息,并实现了照片的真实感,比先前的方法产生更清晰更连贯的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李昕		31	398	10.0	19.0
2	李雪瑾		1	0	0.0	0.0
3	徐艳杰		1	0	0.0	0.0