基于生成对抗网络的图像修复

摘要：

针对现有图像修复算法存在受损区域的形状和大小受限以及修复痕迹明显、修复边缘不连续的问题,文中提出一种基于生成对抗网络的图像修复方法.该方法采用生成对抗网络(Generative Adversarial Networks ,GAN)这种新的生成模型作为基本架构,结合Wasserstein距离,同时融入条件对抗网络(CGAN)的思想;以破损图像作为附加条件信息,采用对抗损失与内容损失相结合的方式来训练网络模型,以修复破损区域.此方法能够修复大多数破损情况下的图像.在CelebA和LFW两个数据集上的实验结果表明,所提方法能够取得很好的修复效果.

关键词：生成对抗网络、图像修复、对抗学习、Wasserstein距离

所属期刊栏目：45

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点研发计划项目2017YFC0405805

在线出版日期：2019-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：229-234,261