基于深度学习的图像修复技术的应用

摘要

针对图像修复领域存在的结构与纹理修复失衡、语义缺失导致修复内容不合理等问题，本研究提出一种基于生成对抗网络(GAN)的图像修复模型。该模型由图像预处理模块、双分支网络生成器以及判决器三部分构成。其中，预处理模块通过对原始图像添加掩码模拟缺损图像;双分支网络分别对图像的边缘信息与全局纹理信息进行修复。同时，鉴于当前存在大量待修复文物的实际需求，将此图像修复技术应用于文物图像修复，可辅助文物修复人员快速、高效完成修复工作。实验结果表明，该模型在文物缺损图像修复任务中表现出色，边缘修复效果更为贴合，整体语义表达更为连贯，修复效果优于现有主流算法。

关键词

图像修复 / 生成对抗网络 / 文物修复 / 边缘检测 / 深度学习 / 特征融合