文献类型：期刊文章

作　　者：邵新茹[1] 叶海良[1] 杨冰[1] 曹飞龙[1]

SHAO Xinru;YE Hailiang;YANG Bing;CAO Feilong(Department of Applied Mathematics,College of Sciences,China Jiliang University,Hangzhou 310018)

机构地区：[1]中国计量大学理学院应用数学系,杭州310018

出　　处：《模式识别与人工智能》

基　　金：国家自然科学基金项目(No.62176244,62006215);浙江省自然科学基金项目(No.LZ20F030001)资助。

年　　份：2022

卷　　号：35

期　　号：12

起止页码：1047-1063

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：基于深度学习的图像修复研究重点之一是色彩、边缘和纹理的生成,然而,已有研究对色彩、边缘和纹理生成方法还可优化.因此,文中提出三阶段生成网络,每个阶段分别侧重于对色彩、边缘和纹理的合成.具体而言,在HSV色彩生成阶段,可在HSV色彩域中重建图像的全局色彩,为修复过程提供色彩指导.在边缘优化阶段,设计边缘学习框架,可获取更准确的边缘信息.在纹理合成阶段,构建特征双向融合解码器,增强图像的纹理细节.上述三个阶段依次衔接,每个阶段均可提升图像修复性能.大量实验表明文中网络性能较优.

关 键 词：图像修复 生成对抗网络  HSV色彩生成模型  特征双向融合解码器  

分 类 号：TP391]