基于U-net边缘生成和超图卷积的两阶段修复算法

为了有效修复背景复杂、大面积不规则缺失区域,得到合理的结构和精细的纹理,提出了基于U-net边缘生成和超图卷积的两阶段修复算法.首先,将缺失图像输入基于U-net门控卷积的粗修复网络,通过跳跃连接将图像的上下文信息向深层传播,获取丰富的图像细节信息,下采样提取缺失区域边缘特征,上采样还原缺失区域边缘细节,同时使用混合空洞卷积增大信息感受野,获取细节纹理信息.然后,将粗修复结果输入含超图卷积的细修复网络,捕获和学习输入图像中的超图结构,使用空间特征的互相关矩阵捕获空间特征结构,改善结构完整性并提升细节细粒度.最后,将细修复结果输入鉴别器进行判别优化,进一步优化修复结果.在国际公认数据集上进行实验仿真,结果显示:本文提出的算法在修复大面积不规则缺失时,可以生成合理的结构和丰富的纹理细节,修复的视觉效果,PSNR,SSIM和L1损失优于对比算法.

BDCN和U-net边缘生成两阶段修复算法

为了对图像中大面积不规则缺失区域进行合理的结构修复和精细的纹理重构,提出了一种基于双向级联边缘检测网络(BDCN)和U-net残缺边缘生成的两阶段网络图像修复算法.第一阶段首先基于BDCN网络提取边缘,然后基于U-net架构的边缘生成网络用下采样对缺失图像边缘提取特征,再结合上采样的输入信息和下采样各层信息还原图像边缘纹理细节;第二阶段使用空洞卷积进行下采样和上采样,经过残差网络重建细节丰富的缺失图像.在公开数据集上将所提算法与现有经典算法进行对比,实验结果表明,所提算法能得到合理的结构和精细的纹理细节,优于对比算法。