生成式对抗网络在图像补全中的应用*

摘要：

图像补全是数字图像处理领域的重要研究方向,具有广阔的应用前景.提出了一种基于生成式对抗网络(GAN)的图像补全方法.生成式对抗网络模型由生成器模型和判别器模型两部分构成,通过采用卷积神经网络(CNN)实现.首先,通过生成器模型对图像的缺失区域进行补全;然后,利用判别器模型对图像的补全效果进行判别.采用马尔科夫随机场(MRF)与均方误差(MSE)相结合的损失函数训练生成器模型,加强对图像纹理细节的处理能力.实验结果证明,基于生成式对抗网络的图像补全方法,相较于其他现有的方法,具有更好的补全效果.

关键词：图像补全、生成式对抗网络、卷积神经网络、马尔科夫随机场、均方误差

所属期刊栏目：13

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos. 61602228, 61572290;the Natural Science Foundation of Liaoning Province under Grant No. 2015020041;the Revitalization Talents Program of Liaoning Province under Grant No. XLYC1807266辽宁省2018"兴辽英才计划"青年拔尖人才支持计划

在线出版日期：2019-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1402-1410