基于深度学习的图像双分支修复算法

受传统的图像修复网络启发,提出一种基于深度学习的图像双分支修复算法。将图像的修复过程分为两个部分,一个是修复结构化缺陷部分的全局分支,另一个是修复非结构化缺陷部分的局部分支。首先,用残差模块搭建总体网络。然后,在残差模块前加入压缩激励模块Squeeze-and-Excitation(SE)构建局部分支。最后,引入一种注意力机制上下文转换器块Contextual Transformer(CoT)来统计图像中完好的全局信息以进行图像的结构性缺陷修复,构建全局分支。实验结果表明,该方法修复的图片有0.02的SSIM增益,0.23dB的PSNR提升,优于其他现有的图像修复方法的视觉质量和数值指标,能有效地改善修复性能。