基于匹配语义感知的单板缺陷图像修复研究

摘要

单板的质量决定单板类人造板的使用价值，单板上的缺陷处理成为木材加工中的重要环节。为处理单板的缺陷，提高木材的利用率，提出一种基于匹配语义感知的单板缺陷图像修复方法。首先使用匹配语义感知模块获取远距离的特征，提升模型的精度；然后使用双卷积模块，捕获多尺度上下文信息，并在整个网络中使用区域归一化，避免均值和方差偏移。使用峰值信噪比(Peak signal-to-noise ratio, PSNR)和结构相似性(structural similarity index, SSIM)为评价指标。研究结果表明，改进后方法的PSNR达到28.48,SSIM达到0.91,与全局和局部判别器网络(Globally and Locally Consistent Image Completion, GL)相比，PSNR和SSIM分别提升1.03%和0.05%。研究结果表明该方法可取得结构、纹理一致的修复效果，为单板缺陷修复提供指导性意见。

关键词

图像修复 / 深度学习 / 单板缺陷 / 匹配语义感知 / 区域归一化

基金资助

中央高校基础研究基金(2572019BF08)