申请/专利权人：陕西师范大学

申请日：2021-07-20

公开（公告）日：2024-07-02

公开（公告）号：CN113487512B

主分类号：G06T5/77

分类号：G06T5/77;G06T5/60;G06N3/0475;G06N3/094

优先权：

专利状态码：有效-授权

法律状态：2024.07.02#授权;2021.10.26#实质审查的生效;2021.10.08#公开

摘要：本发明公开了一种基于边缘信息指导的数字图像修复方法及装置，构建对抗神经网络，对抗神经网络由边缘预测网络和内容生成网络组成；获取与待修复数字图像类别相同的原始图像数据集，对原始图像数据集随机裁剪并批量加入随机掩膜生成污损图像数据集，将污损图像数据集作为训练数据集；将训练数据集输入对抗神经网络，对边缘预测网络和内容生成网络分别进行训练，得到训练完成的边缘预测网络和训练完成的内容生成网络。采用图像的边缘信息指导神经网络修复数字图像，边缘信息的引入有利于神经网络更好地预测图像污损区域的结构，从而提高神经网络针对任意大面积污损区域的修复能力。

主权项：1.一种基于边缘信息指导的数字图像修复方法，其特征在于，包括：构建对抗神经网络，所述对抗神经网络由边缘预测网络和内容生成网络组成，所述边缘预测网络和所述内容生成网络均包含生成器和判别器结构；所述边缘预测网络的生成器结构采用编码器-解码器形式进行设计，所述编码器-解码器的卷积层采用了基于残差连接的空洞卷积提取图像特征；所述边缘预测网络的生成器采用基于BCE损失的边缘损失函数Ledge，具体如下： 式中，M表示标记污损区域的随机掩膜，其中，数值为0的部分表示污损区域；Cgt表示通过Canny算法提取的原始图像的边缘信息；Cpre表示通过边缘预测网络预测的待修复图像完整区域的边缘信息；表示Cgt的总像素数目；BCE表示BCE损失计算函数；λ表示权重，取10；所述边缘预测网络的生成器的对抗性损失为LG-ad，具体如下：LG-ad＝BCEDfIgray，Cpre，1式中，Igray表示原始图像的灰度图；Df表示边缘预测网络的判别器结构；所述边缘预测网络的生成器的特征匹配损失为Lfm，具体如下： 式中，N表示判别器Df的最后一层卷积激活层数目；Ni表示第i层卷积激活层的元素的数目；Di表示判别器Df的第i层卷积激活层的输出；所述边缘预测网络的生成器的总损失函数为LG-total，具体如下：LG-total＝αLedge+βLG-ad+γLfm式中，α、β和γ为自定义超参数，分别取1、1和10；所述边缘预测网络的判别器的损失函数LD用公式表示为：LD＝BCEDfIgray,Cgt,1+BCEDfIgray,Cpre,0所述内容生成网络的生成器GF的输入是所述边缘预测网络预测的待修复图像完整区域的边缘信息Cpre、待修复图像Imask和标记污损区域的掩膜M，内容生成网络的输出为修复结果图Ipre，具体如下：Ipre＝GFIgt⊙M,Cgt⊙M+Cpre⊙1-M,M式中，Igt表示原始图像；Ipre表示修复结果图；所述内容生成网络的生成器结构采用编码器—解码器形式进行设计，所述编码器为基于门卷积的自编码器结构，用于对所述内容生成网络输入的每个通道应用自适应的特征选择机制；所述解码器采用转置门卷积对特征矩阵进行上采样，所述编码器和所述解码器之间建立了跳跃连接；所述内容生成网络的生成器结构的像素重建损失LL1为修复结果图Ipre与原始图像Igt之间的L1距离，LL1用公式表示为： 式中，表示原始图像Igt各通道的像素数目之和；所述内容生成网络的生成器结构的感知损失Lp为内容重建损失Lγ和风格重建损失Lstyle的线性组合，即Lp＝λ1Lγ+λ2Lstyle；其中，λ1和λ2表示权重，均取0.5；Lγ和Lstyle分别用公式表示为： 式中，n取5；μi表示内容生成网络生成器第i层卷积激活层输出的激活图；表示由μi构建的格拉姆矩阵；所述内容生成网络的生成器的总损失函数用公式表示为： 所述边缘预测网络和所述内容生成网络的判别器结构均为马尔科夫判别器；获取与待修复数字图像类别相同的原始图像数据集，对所述原始图像数据集随机裁剪并批量加入随机掩膜生成污损图像数据集，将所述污损图像数据集作为训练数据集；将所述训练数据集输入所述对抗神经网络，对所述边缘预测网络和所述内容生成网络分别进行训练，得到训练完成的边缘预测网络和训练完成的内容生成网络；将所述训练完成的边缘预测网络和所述训练完成的内容生成网络整合为端到端的网络结构，用所述训练数据集对所述端到端的网络结构进行训练，得到数字图像修复对抗神经网络；将所述待修复数字图像输入所述数字图像修复对抗神经网络中，所述训练完成的边缘预测网络提取所述待修复数字图像已知区域的边缘信息，并根据所述已知区域的边缘信息预测所述待修复数字图像污损区域的边缘信息，并根据所述污损区域的边缘信息生成所述待修复数字图像完整区域的边缘信息；所述训练完成的内容生成网络根据所述完整区域的边缘信息的指导，恢复所述待修复数字图像结构，生成所述待修复数字图像的最终修复结果。

全文数据：

权利要求：

百度查询： 陕西师范大学 一种基于边缘信息指导的数字图像修复方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD