文献类型：期刊文章

作　　者：雷蕾[1] 郭东恩[1,2] 靳峰[1]

LEI Lei;GUO Dongen;JIN Feng(School of Software,Nanyang Institute of Technology,Nanyang,Henan 473000,China;Chongqing Key Laboratory of Computational Intelligence,College of Computer Science and Technology,Chongqing University of Posts and Telecommunications,Chongqing 400065,China)

机构地区：[1]南阳理工学院软件学院,河南南阳473000 [2]重庆邮电大学计算机科学与技术学院计算智能重庆市重点实验室,重庆400065

出　　处：《计算机工程》

基　　金：国家自然科学基金(61671091);重庆市自然科学基金(cstc2017jcyjBX0037,cstc2017jcyjA0982);河南省高等学校重点科研项目(19A520030);重庆市教委一般项目(CYB19173);重庆邮电大学博士创新人才项目(BYJS201812)。

年　　份：2021

卷　　号：47

期　　号：1

起止页码：230-238

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：基于生成对抗网络的图像修复算法在修复大尺寸缺失图像时,存在图像失真较多与判别网络性能不可控等问题,基于谱归一化条件生成对抗网络,提出一种新的图像修复算法。引入谱归一化来约束判别网络的判别性能,间接提高修复网络的修复能力,并根据控制判别网络性能对谱归一化进行理论分析。通过类别信息约束特征生成,保证修复图像的内容不变性,引入扩展卷积算子对待修复图像进行像素级操作,解决修复图像缺乏局部一致性的问题。在此基础上,运用PSNR、SSIM等图像评价方法及分片Wasserstein距离、Inception分数、流形距离度量、GAN-train和GAN-test等流形结构相似度评价指标对修复图像进行综合评价。实验结果表明,与CE、GL等算法相比,该算法获得的修复图像在主观感受和客观评价指标上均有明显提高。

关 键 词：谱归一化  条件生成对抗网络  图像修复 判别性能  图像评价

分 类 号：TP391]