何 凯，刘 坤，李 宸，马希涛

级联式生成对抗网络图像修复模型

何 凯，刘 坤，李 宸，马希涛

(天津大学电气自动化与信息工程学院，天津 300072)

为解决现有算法容易产生图像模糊或纹理失真的问题，提出了一种级联式生成对抗网络图像修复模型．该模型由粗化和优化生成子网络串联而成．在粗化生成网络中设计了一种并行卷积模块，由3层卷积通路和1个深层卷积通路并联组成，当网络层数较深时，可解决梯度消失问题；在深层卷积通路中提出了一种特征提取模块，可利用不同大小的卷积核来获取更加丰富的图像信息．此外，在优化生成网络中提出了一种级联残差模块，通过对4个通道的双层卷积进行交叉级联，可有效增强特征复用；将卷积结果与模块输入特征图的元素对应相加，进行局部残差学习，可提高网络的表达能力；同时采用空洞卷积，可以充分利用上下文信息，保留更多的图像底层细节，实现图像的精细修复．仿真实验结果表明，本文算法修复图像视觉效果好，在3个数据集上峰值信噪比(PSNR)分别为18.4532、18.5496、21.5299；结构相似度(SSIM)为0.8972、0.9683、0.8956，量化结果在对比算法中均为最高，实现复杂结构和纹理信息的自动修复．

图像修复；生成对抗网络；特征提取模块；残差模块

图像修复是通过对图像缺损区域进行补全来恢复其原有的视觉效果，它是图像处理领域的研究热点，具有重要的意义和研究价值．当前图像修复算法大致可以分为2大类：传统图像修复算法和基于深度学习的图像修复算法．传统图像修复算法通常采用基于偏微分方程的方法[1]来修复小区域图像，如噪声、划痕去除等；……