生成对抗网络在服装图片遮挡修复上的应用

纺织品属于有机物质,其化学稳定性比较差。纺织品文物出土后经常会出现褪色、残缺、破裂、污损等问题,这严重影响了古代服饰的考究。传统的纺织品修复大都采用人工修复的方法,但人工修复费时费力,且修复效果因人而异。基于此,文章用遮挡的服装图片模拟残缺的出土服装,应用生成对抗网络对其进行修复,分析生成对抗网络的修复效果,并建立古代服装数据集,为今后的服装修复研究提供新的思路和途径。

倾斜摄影三维建模遮挡物去除和修复方法

传统的前景遮挡提取方法是将目标遮挡作为一个整体进行提取,忽略了对象本身存在的几何纹理和光谱特性的差异,造成遮挡提取的不精确,降低了模型的准确度。以城市街区倾斜摄影三维建模中遮挡物去除为例,将遮挡物分为树木、车辆、路灯和行人4类,针对复杂的树木遮挡问题,提出一种树冠、树干分类提取方法。树冠部分依据色调和平行直线信息来提取遮挡;树干部分依据色调信息和边缘检测方法提取遮挡。选择新疆库尔勒市倾斜摄影三维场景中遮挡严重区域作为实验区,采用Criminisi算法对遮挡区域进行修复。相比传统方法,该方法的遮挡区域误提取率减少了12.5%,证明了其的有效性。

多特征多层次Sentinel-2影像辽宁省湖库水体提取

以辽宁省为研究区,本文基于GEE遥感云平台,使用Sentinel-2遥感影像,提出了一种多特征多层次的湖库水体提取算法。该算法选择自动水体指数(AWEI sh)和改进的归一化水体指数(MNDWI)提取水体,并利用归一化植被指数(NDVI)、归一化建筑指数(NDBI)、归一化差异红边指数(NDREI)、Sentinel-2的B8和B9波段及DEM数据多层次地消除暗地物和高亮地物噪声,对提取结果中被云雾遮挡而部分缺失的水体进行修复,最后将河流及细小像素剔除。利用此算法提取了辽宁省2017—2021年每年4、7、10月的湖库水体,并对比了不同水体提取算法及不同的水体数据产品。试验结果表明,本文算法在大尺度条件下提取水体具有良好的效果,总体精度达96%以上,可以较好地去除植被、阴影等暗像元表面,并且保证了水体信息的完整性,在大尺度水体提取方面具有一定的适用性和稳定性。

基于生成对抗网络的遮挡图像修复算法

提出一种基于生成对抗网络的遮挡图像修复算法,能够在大量像素缺失的场景下复原出图像的本来面目.该算法不同于其他的样本块搜索复原算法,可直接生成并且填充可能的缺失元素,改进了生成对抗网络生成模型的结构和生成损失的计算方法,具有半监督学习的特点.实验结果表明,在满足图像整体轮廓的前提下,新算法优于其他算法.

卷积生成对抗网络的人脸识别实现研究

现有的人脸识别器在识别未被遮挡的人脸时取得了优异的效果,但在直接识别遮挡人脸时,精度往往会降低。针对存在遮挡的人脸识别问题,文章根据鲁棒编码进行遮挡人脸重构,使用DCGAN增强样本数据集,并根据GAN的动态博弈原理,采用GoogLeNet作为GAN的判别器,以提高人脸识别的准确率。