科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对基于生成对抗网络（GAN）的图像修复技术存在修复结果结构不合理或模糊的问题，文章提出了一个单阶段模型，该模型利用密集的扩张卷积组合来获得更大、更有效的感受野，利用自注意力机制模块捕获图像全局信息并生成图像精细细节特征，可以更容易地恢复不完整图像中的大区域。生成器的训练除了常用的重建损失和对抗损失外，还设计了VGG19特征提取器以引入内容损失和风格损失，通过添加多个损失函数来提升图像复原效果。使用全局判别器确保生成内容的一致性，为防止模式坍塌，在生成器的编码器和解码器之间添加跳跃连接。结果表明，利用该方法修复人脸图像的峰值信噪比为26.805 dB，结构相似性为0.905 2，均方根误差为12.148。通过与其他修复方法进行比较，我们的方法在三个指标上优于最先进的方法，其中峰值信噪比提高了0.542 dB，结构相似性提高了0.004 9，均方根误差降低了0.816 9，结果表明该方法在图像修复方面具有优越的性能。
-
单位电子工程学院
