APP下载

基于SN-GAN的大面积缺损图像修复算法研究*

2022-08-04贺佳馨吕晓琪张继凯李菁

内蒙古科技大学学报 2022年2期
关键词:区域效果实验

贺佳馨,吕晓琪,2,张继凯,李菁

(1.内蒙古科技大学 信息工程学院,内蒙古 包头 014010;2.内蒙古工业大学 信息工程学院,内蒙古 呼和浩特 010051)

1 相关工作

图像修复算法根据技术手段可分为基于偏微分的图像修复方法[2,3]、基于纹理合成技术的图像修复方法[4,5]、基于结构的图像修复方法[6,7]和基于深度学习的图像修复方法4类.基于偏微分的修复算法最典型的是BSCB模型[1].BSCB模型主要是将缺损图像附近的像素延伸到破损区域来进行填充.因为等照度线容易交叉,所以BSCB模型需要将扩散和修复操作轮流进行.BSCB算法的特点是基于像素单位的修复,其修复效率较低且修复后的效果不理想,对于细节和图片整体的一致性修复较差.基于纹理合成的图像修复方法为代表的是Criminisi算法[4].Criminisi算法是基于块的修补并且针对较大的缺损图片,其以目标块为单位,在修复期间寻找最具有充足像素的目标为缺损区域进行填充,对比之前算法,Criminisi算法的修复速度得到大幅提升.此后许多学者在Criminisi算法基础上提出了改进算法[8-10].目前传统图像修复方法存在着训练不稳定、复杂场景或修复区域过大时修复效果模糊以及运算时间过长等一系列问题,传统修复算法无法像人的大脑理解图像中的内容,所以修复效果差强人意.现如今深度学习图像修复算法是通过神经网络来获取图像中重要特征,并且随着2014年Goodfellow等[11]提出了生成对抗网络(Generative Adversarial Networks, GAN), GAN网络一度成为图像修复研究的1个新方向.Pathak等提出……

登录APP查看全文

猜你喜欢

区域效果实验
记一次有趣的实验
按摩效果确有理论依据
做个怪怪长实验
迅速制造慢门虚化效果
抓住“瞬间性”效果
模拟百种唇妆效果
NO与NO2相互转化实验的改进
实践十号上的19项实验
关于四色猜想
分区域