生成式对抗网络在图像补全中的应用

发布时间：2021-04-12 01:25

　　图像补全是数字图像处理领域的重要研究方向,是一种在图像缺失区域中填充替代内容的技术。使用该技术,可以为图像中的缺失区域根据某种规则进行补全,使补全后的图像达到以假乱真的效果。正是其良好的补全效果,使得图像补全技术在古代文物字画的修复、现代医疗的诊断辅助以及遥感卫星的图像获取等方面有着广阔的应用前景。现有的比较成熟的图像补全方法有:基于扩散的图像补全方法、基于样本块的图像补全方法以及基于结构特点的图像补全方法。但是这些图像补全方法都存在各自的缺点与不足:基于扩散的方法只能填充面积小的或者狭窄的缺失区域,对于面积较大的区域补全效果并不理想;基于样本块的方法过于依靠图像的完好区域,如果图像的完好区域中不存在与图像缺失区域相似的片段,那么图像的缺失区域将得不到很好的补全;基于结构特点的方法通过保留重要的结构特征来提高图像补全的效果,但是,该方法仅限于特定的结构,不具有普遍性。鉴于现有的图像补全方法的诸多不足,人们尝试将深度学习的相关理论引入到图像补全领域,以提高图像的补全效果。本文也受此启发,提出了一种基于生成式对抗网络模型（Generative adversarial networks,GA... 

【文章来源】：辽宁石油化工大学辽宁省

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

待补全的

现代医疗

314相关准备工作4.1系统环境的搭建系统环境的搭建，需要我们分成四个部分来完成。首先，我们需要进行Anaconda的安装，Anaconda指的是一个开源的Python发行版本。然后，我们需要进行CUDA和cuDNN的安装，CUDA指的是显示接口卡厂商英伟达推出的一个并行运算平台和编程模型，而cuDNN则指的是显示接口卡厂商英伟达设计的一款应用于深度神经网络的图形处理器(GraphicsProcessingUnit,GPU)加速库。再次，我们需要进行TensorFlow的安装，TensorFlow指的是谷歌人工智能团队开发的一款使用数据流图的方式来进行数值计算的开源软件库。最后，我们需要进行PyCharm的安装，PyCharm指的是一种Python集成开发环境。4.1.1Anaconda的安装Anaconda作为开源Python的一个发行版本，Anaconda中包含了conda、Python等一百八十多个科学包，以及它的依赖项。Anaconda作为一个开源的包和环境管理器，Anaconda可以用于在同一台机器上安装不同版本的软件包，以及它的依赖项，并且能够在不同的环境之间切换。我们还可以使用Anaconda创建虚拟的环境，以便更加轻松地处理多个项目。Anaconda简化了我们的工作流程，并且解决了我们在处理包和多个Python版本匹配时遇到的大量问题。要对Anaconda进行安装，首先需要在官网上下载Anaconda5.2，选择Python3.6的版本。Anaconda5.2的官网下载界面如图4.1所示。图4.1Anaconda5.2的官网下载界面Fig.4.1Anaconda5.2officialwebsitedownloadinterface

【参考文献】：
博士论文
[1]基于样本和稀疏表示的图像修复方法研究[D]. 张雷.西北大学 2016
[2]基于样本的纹理合成方法研究[D]. 孙利君.山东大学 2012

硕士论文
[1]基于局部结构的图像修复算法研究[D]. 刘影.鲁东大学 2016
[2]数字图像修复技术的研究[D]. 朱坤.合肥工业大学 2011
[3]图像修补技术的研究[D]. 谢爱敏.西安电子科技大学 2010
[4]基于分解的图像和视频修复算法研究[D]. 李翔.中南大学 2008
[5]数字图像修复技术研究[D]. 张燕.成都理工大学 2008
[6]基于样本块图像修补算法的研究与应用[D]. 程玲.天津大学 2007



本文编号：3132332