基于深度神经网络的图像自动修复与内容重构研究

摘要

本文针对传统图像修复方法在修复大面积缺失和复杂纹理时存在修复效果不够自然、细节丢失严重的缺陷，考虑部分卷积过程中线性去耦合性能欠佳的问题，利用门控机制优化网络结构及多尺度注意力机制加强纹理细节生成的能力，提出了基于门控卷积生成对抗网络的两阶段图像修复方法。实验结果表明:相较传统的部分卷积方法，在Places2数据集上本文方法的峰值信噪比(PSNR)值达28.61 d B，结构相似性指数(SSIM)值达0.921，分别提高了18.3%和12.7%;并且本文方法保持了图像的视觉真实度以及结构一致性，有望为图像修复技术在医学影像、卫星图像分析等场景的应用提供参考。

关键词

图像修复 / 生成对抗网络 / 内容重构 / 门控卷积