文献类型：期刊文章

作　　者：赵露露[1] 沈玲[2] 洪日昌[1]

ZHAO Lu-lu;SHEN Ling;HONG Ri-chang(School of Computer Science and Information Engineering,Hefei University of Technology,Hefei 230601,China;School of Internet,Anhui University,Hefei 230039,China)

机构地区：[1]合肥工业大学计算机与信息学院,合肥230601 [2]安徽大学互联网学院,合肥230039

出　　处：《计算机科学》

基　　金：国家自然科学基金重点项目(61932009)。

年　　份：2021

卷　　号：48

期　　号：3

起止页码：14-26

语　　种：中文

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

摘　　要：图像修复是计算机视觉领域中极具挑战性的研究课题。近年来,深度学习技术的发展推动了图像修复性能的显著提升,使得图像修复这一传统课题再次引起了学者们的广泛关注。文章致力于综述图像修复研究的关键技术。由于深度学习技术在解决“大面积缺失图像修复”问题时具有重要作用并带来了深远影响,文中在简要介绍传统图像修复方法的基础上,重点介绍了基于深度学习的修复模型,主要包括模型分类、优缺点对比、适用范围和在常用数据集上的性能对比等,最后对图像修复潜在的研究方向和发展动态进行了分析和展望。

关 键 词：图像修复 深度学习  卷积神经网络 生成对抗网络  自编码网络  

分 类 号：TP391]