文献类型：期刊文章

作　　者：于波[1,2] 方业全[1,2] 刘闽[3] 董君陶[4]

YU Bo;FANG Ye-Quan;LIU Min;DONG Jun-Tao(University of Chinese Academy of Sciences,Beijing 100049,China;Shenyang Institute of Computing Technology,Chinese Academy of Sciences,Shenyang 110168,China;Shenyang Environmental Monitoring Center Station,Shenyang 110000,China;Shenyang Twenty-Seventh Middle School,Shenyang 110011,China)

机构地区：[1]中国科学院大学,北京100049 [2]中国科学院沈阳计算技术研究所,沈阳110168 [3]沈阳市环境检测中心站,沈阳110000 [4]沈阳市第二十七中学,沈阳110011

出　　处：《计算机系统应用》

年　　份：2018

卷　　号：27

期　　号：9

起止页码：170-175

语　　种：中文

收录情况：CSA、IC、ZGKJHX、普通刊

摘　　要：视频或者图像在传输过程中,可能出现随机性的误码、突发性的误码、传输中的丢包等等,对解码出的图像数据也会有严重的影响.本文提出了基于深度学习的图像重建算法:一种基于图像背景预测生成模糊区域内容的无监督图像重建神经网络模型.为了重建出逼真的图像,神经网络模型需要既理解整个图像的内容,又为缺失的部分重构出一个合理的假设.损失函数包含标准像素级重建损失和对抗损失,在训练卷积神经网络模型时,能够更好地处理图像中的结构细节产生更清晰的结果.通过实验可以发现本文设计的深度卷积神经网络模型与基于样本插值的算法相比在图像重建中有着较好的效果.

关 键 词：图像重建 深度学习  神经网络 损失函数 对抗神经网络  

分 类 号：TP391.41]