半监督塑封烟盒退化图像修复算法

针对塑封烟盒底纹修复没有成对数据且无监督域转换算法无法处理退化图像的问题,为了去除薄膜并完成底纹信息的修复,提出一种半监督塑封烟盒退化图像修复算法。首先,由薄膜图像生成子网络提取真实塑封烟盒的薄膜信息;然后,利用生成的薄膜图片和真实的底纹图片以及随机掩码(mask)合成数据集;最后,使用合成数据集学习有薄膜到无薄膜两个域之间的转换。在烟盒数据集上的实验结果表明,视觉定性比较,所提算法更好地修复了受薄膜影响而退化的底纹信息;数据定量比较,所提算法的弗雷歇初始距离(FID)比CycleGAN、基于对比学习的非成对图像翻译网络(CUT)、基于双重对比学习的无监督图像翻译网络DCLGAN分别降低了14.42%、6.85%和3.00%,有利于提高图片质量和方便后续检测,且单张样本平均推理耗时为13.73 ms,能够满足工业生产的实时要求。