杨 云 曹 真 齐 勇

(陕西科技大学电子信息与人工智能学院 陕西 西安 710021)

0 引 言

如今，以图像为代表的视觉信息影响着人们的日常生活。由于年代久远、保存不当等许多原因，许多珍贵的图像出现不同程度的破损，导致图像中的重要信息无法得到表达，为后续工作带来一定困难。为此，亟需图像修复技术补全图像。

图像修复技术指通过一定的方法恢复或重建带有缺失区域的缺损图像，具有非常广泛的应用领域，包括：医学影像修复、人脸图像修复、老照片修复、天文观测图像修复等。除此之外，其技术思想还可以扩展到图像去模糊、图像去雨等领域用于提高图像质量。人脸图像作为个人信息的重要表达方式，景色图像作为领略美景的重要方式，保证其完整非常重要。

随着深度学习在图像修复领域的飞速发展，其在面对大面积缺失的图像修复任务中展现出强大的修复能力。生成对抗网络模型由于可以拟合出更加真实的样本备受青睐。Pathak等[1]提出一种基于上下文内容编码器的图像修复算法，首先利用编码器解码器网络学习图像待修复区域的纹理信息并进行填充，然后在预修复网络的基础上添加判别器提高修复细节，实现了优于非深度学习方法的修复效果，但其存在训练不稳定问题导致修复结果不切实际。此方法打开了使用生成对抗网络进行图像修复任务的大门，随后衍生出一系列基于生成式对抗网络的图像修复模型，主要分为噪声型修复方法与端到端修复方法两大类。……