公开(公告)号：CN114359062A

公开(公告)日：2022-04-15

申请号：CN202111468408.8

申请日：2021-12-03

Applicant: 华南理工大学

Inventor： 陈培福 ,  张见威 ,  韩国强

IPC: G06T5/00 ,  G06T9/00 ,  G06V10/80 ,  G06V10/82 ,  G06V10/84 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于阶梯流特征融合的图像修复方法、系统及存储介质，方法包括：获取图像修复数据集；设计图像修复模型，包括阶梯流特征融合卷积神经网络模块、多粒度注意力网络模块、注意力重用模块、U‑Net卷积神经网络和预训练VGG‑16网络；设计判别器卷积神经网络，分别为高频残差判别器和光谱化的马尔科夫判别器；设计多个损失函数，组成总目标函数来作为图像修复模型的总损失函数；将图像修复数据集输入图像修复模型和判别器进行训练，保存模型参数；加载模型参数，输入待修复图片，得到最终修复图片。本方法通过结合阶梯流特征融合和多粒度注意力网络两种方法，减少了大范围孔洞区域的图像修复出现伪影的情况，使最终结果更接近真实图片，细节更丰富。

公开(公告)号：CN114359062B

公开(公告)日：2024-05-14

申请号：CN202111468408.8

申请日：2021-12-03

Applicant: 华南理工大学

Inventor： 陈培福 ,  张见威 ,  韩国强

IPC: G06T5/77 ,  G06T9/00 ,  G06V10/80 ,  G06V10/82 ,  G06V10/84 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于阶梯流特征融合的图像修复方法、系统及存储介质，方法包括：获取图像修复数据集；设计图像修复模型，包括阶梯流特征融合卷积神经网络模块、多粒度注意力网络模块、注意力重用模块、U‑Net卷积神经网络和预训练VGG‑16网络；设计判别器卷积神经网络，分别为高频残差判别器和光谱化的马尔科夫判别器；设计多个损失函数，组成总目标函数来作为图像修复模型的总损失函数；将图像修复数据集输入图像修复模型和判别器进行训练，保存模型参数；加载模型参数，输入待修复图片，得到最终修复图片。本方法通过结合阶梯流特征融合和多粒度注意力网络两种方法，减少了大范围孔洞区域的图像修复出现伪影的情况，使最终结果更接近真实图片，细节更丰富。