时 澄，潘 斌，郭小明，李芹芹，张露月，钟 凡

1.辽宁石油化工大学 计算机与通信工程学院，辽宁 抚顺 113001

2.辽宁石油化工大学 理学院，辽宁 抚顺 113001

3.山东大学 计算机科学与技术学院，山东 青岛 266237

1 引言

图像补全是一种在图像缺失区域中填充替代内容的技术。使用该技术，可以为图像中的缺失区域根据某种规则进行补全，使补全后的图像达到以假乱真的效果。目前，已有多种方法应用于图像补全领域，但是由于对补全效果的高要求，图像补全仍然是一个具有挑战性的研究方向[1-2]。

对图像进行补全不仅要考虑图像纹理细节的合理性，也要考虑图像整体结构的统一性，生成式对抗网络（generative adversarial networks，GAN）为图像补全提供了新的思路。

本文提出了一种基于GAN的图像补全方法。GAN模型由生成器模型和判别器模型两部分组成。生成器模型和判别器模型均采用卷积神经网络（convolutional neural network，CNN）实现。首先，通过生成器模型进行图像补全；然后，利用判别器模型对图像的补全效果进行判别。其中，判别器模型又分为整体图像判别器模型和局部图像判别器模型，整体图像判别器模型将整幅的补全图像作为输入，从整体上判别图像场景是否具有一致性，而局部图像判别器模型只判别以补全区域为中心的局部区域的纹理细节信息。

通过对GAN模型进行迭代训练，得到稳定的网络模型。在每一次的迭代训练过程中，首先更新判别器模型，以便正确区分输入的图像是真实的图像还是补全的图像；……