基于新编码器和相似度约束的图像修复
作者:
作者单位:

作者简介:

通讯作者:

基金项目:


Image Inpainting Based on New Encoder and Similarity Constraint
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    现有的图像修复方法存在受损区域修复痕迹明显、语义不连续、不清晰等问题, 针对这些问题本文提出了一种基于新型编码器并结合上下文感知损失的图像修复方法. 本文方法采用生成对抗网络作为基本网络架构, 为了能够充分学习图像特征得到更清晰的修复结果, 引入了SE-ResNet提取图像的有效特征; 同时提出联合上下文感知损失训练生成网络以约束局部特征的相似性, 使得修复图像更加接近原图且更加真实自然. 本文在多个公共数据集上进行实验, 证明了本文所提方法能够更好地对破损图像进行修复.

    Abstract:

    The existing image repair methods have some problems such as obvious trace, semantic discontinuity, unclear, etc. To solve these problems, this study proposes an image repair method based on a new encoder and context-aware loss. In this paper, the generative adversarial network is adopted as the basic network architecture. In order to fully learn the image features and get clearer repair results, SE-ResNet is introduced to extract the effective features of the image. At the same time, the joint context-aware loss training generating network is proposed to constrain the similarity of local features, so that the repaired image is closer to the original and more real and natural. Experiments on multiple public datasets in this paper prove that the proposed method can repair the damaged images better.

    参考文献
    相似文献
    引证文献
引用本文

林竹,王敏.基于新编码器和相似度约束的图像修复.计算机系统应用,2021,30(1):122-128

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2020-05-23
  • 最后修改日期:2020-06-16
  • 录用日期:
  • 在线发布日期: 2020-12-31
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号