文献类型：期刊文章

作　　者：吕建峰[1,2] 邵立珍[1,2] 雷雪梅[3]

LYU Jianfeng;SHAO Lizhen;LEI Xuemei(School of Automation and Electrical Engineering,University of Science and Technology Beijing,Beijing 100083,China;Shunde Innovation School,University of Science and Technology Beijing,Foshan,Guangdong 528399,China;Office of Information Technology,University of Science and Technology Beijing,Beijing 100083,China)

机构地区：[1]北京科技大学自动化学院,北京100083 [2]北京科技大学顺德创新学院,广东佛山528399 [3]北京科技大学信息化建设与管理办公室,北京100083

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金面上项目(12071025);佛山市科技创新专项资金(BK20AE004)。

年　　份：2023

卷　　号：59

期　　号：20

起止页码：1-12

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：深度学习的快速发展使计算机视觉技术应用越来越广泛,同时利用深度神经网络根据破损图像的已知信息对图像复原的修复技术成为关注的热点。对近年基于深度神经网络的图像修复方法进行了综述和分析:按照模型优化的方向,对图像修复方法进行分类综述;介绍了图像修复常用的数据集和性能评价指标,并在相关数据集上对各种基于深度神经网络的破损图像修复算法进行性能评价和分析;总结和分析了现有图像修复方法面临的挑战和未来研究方向。

关 键 词：深度神经网络  图像修复 算法分析  

分 类 号：TP391]