层间特征融合与多注意力的图像修复算法研究

发布时间：2023-02-23 19:19

　　图像修复是图像处理领域的基础问题,旨在构造满足人类视觉感知的目标图像。由于在采集、传输以及保存过程中诸多因素的影响,导致无法获取图像原本包含有的全部信息,进而影响人类对图像内容的分析和理解。图像修复技术研究目标是根据输入图像已知区域的先验信息,推测重建出缺失区域的内容过程,使得被填充区域的内容看起来具有视觉观赏性同时不易被人察觉。随着人工智能的时代来临,驱动着图像修复技术在各领域的迅速发展,在文物修复、图像编辑、公安刑侦以及遥感卫星图像等领域有着广泛的应用前景。作为图像处理的不适定问题,图像修复的研究面临一些问题和挑战。在图像修复过程中,对待修复图像的内容理解十分重要,不同于人类视觉感知系统,计算机很难直接理解图像内容。针对复杂纹理和大面积缺失的图像,很难用一个模型去描述缺失部分的内容。本文在掌握了深度学习、注意力机制、小波变换等理论的基础上,重点围绕图像修复在内容理解存在部分信息丢失和特征自身关联性弱的问题,提出了有效的图像修复方法,主要的研究内容及相关贡献归纳如下:1.分析了基于深度学习的图像修复方法的机理,并研究了注意力机制模型,同时给出了图像修复方法的常用数据集以及质量评估方法...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 图像修复的研究背景及意义
    1.2 图像修复算法研究现状
        1.2.1 图像修复
        1.2.2 基于像素特征的图像修复
        1.2.3 基于语义特征的图像修复
    1.3 本文的主要研究内容
第2章 深度学习的图像修复方法的机理和算法评估
    2.1 深度学习图像修复方法
        2.1.1 网络结构
        2.1.2 损失函数
    2.2 注意力机制
    2.3 图像修复算法评估
        2.3.1 算法测试集
        2.3.2 性能评估方法
    2.4 本章小结
第3章 基于层间特征融合的图像修复方法
    3.1 引言
    3.2 基于层间特征融合的图像修复
        3.2.1 层间特征融合
        3.2.2 边缘对抗网络
        3.2.3 损失函数
    3.3 本章算法总结
    3.4 实验结果及分析
        3.4.1 实验参数设置
        3.4.2 实验参数讨论
        3.4.3 实验结果分析
    3.5 本章小结
第4章 基于多注意力机制的图像修复
    4.1 引言
    4.2 多注意力机制的图像修复
        4.2.1 多注意力机制
        4.2.2 小波变换
        4.2.3 损失函数
    4.3 本章算法总结
    4.4 实验结果及分析
        4.4.1 实验参数设置
        4.4.2 实验参数讨论
        4.4.3 实验结果分析
    4.5 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
附录A 攻读学位期间的科研成果



本文编号：3748591