[发明专利]一种基于编码器结构的图像修复方法

权利要求书

1.一种基于编码器结构的图像修复方法，其特征在于：先使用基于改进的Densenet架构的编码网络对缺失图像进行特征压缩提取，再将提取的特征送入基于改进的Alexnet架构的解码网络进行图像复原，具体包括以下步骤：

步骤一：训练集预处理，如果图像像素超出预计范围，就缩放或切割成预计尺寸，并对训练图像进行归一化处理，转化为张量，得到若干个训练样本i_m×m；

步骤二：构建基于改进的Densenet和Alexnet网络的生成网络；使用自编码器构造生成网络的详细方法：

(2.1)生成网络中的编码部分设置两个卷积层和三个全连接块结构层，前者每一层的卷积核为a*a，且使用lrelu激活函数，步长为d；紧跟后者的过渡层使用的卷积核为a*a，且使用relu激活函数，步长为d，其中a和b均是正整数；

(2.2)生成网络中的解码decoder部分设置五层反卷积网络，反卷积核为a*a，步长为d；前四层使用relu激活函数，第五层使用tanh激活函数，反卷积的输出即为生成器的输出，即为待判别的中心缺失区域图片；

步骤三：构建基于改进的Alexnet网络的判别网络；构造判别网络的方法为：

对抗网络中设置对抗层网络模型的网络层为4层，卷积核是a*a，前3层使用lrelu激活函数，步长为d，第四层不使用激活函数，步长为d/2，将待判别的中心缺失区域图片输入判别器网络，判别器网络的输出即为对抗网络的输出，且该输出结果是一个数，判别图片是生成图片还是真实图片；

步骤四：对图片切割产生真实缺失中心区域图片x和缺失图片x₀送入训练；

步骤五：使用WGAN-GP对抗性损失对生成网络和判别网络进行联合训练，进而得到生成器；

步骤六：将测试图像送入步骤五中训练好的生成器，生成修复图像，计算均方误差MSE和峰值信噪比度量PSNR。

2.根据权利要求1所述的基于编码器结构的图像修复方法，其特征在于：所述步骤五中联合训练的具体步骤：

(5.1)首先对判别网络进行训练：将真实缺失中心区域图片x送入判别器D，计算判别结果D(x)与1的BCELoss，最小化该loss；

(5.2)将缺失图片x₀送入生成器G生成预测缺失中心图片G(x₀)，把G(x₀)送入判别器网络D，得到结果D(G(x₀))；计算该判别结果与0的BCELoss，最小化该loss；整个判别网络的损失函数为：默认λ取10，采用Adam优化使损失降到最小；

(5.3)对生成网络G进行训练：将生成图片G(x₀)送入判别网络D，计算该最小化判别结果与1的BCELoss，最小化该损失即表示最小化生成图片与“真”的距离；生成网络的损失函数为：

(5.4)计算真实缺失区域图片x与生成缺失区域图片G(x₀)的L2距离，即为重建损失函数：整个网络的损失函数为重建损失和对抗损失的加权和：L＝λ_recL_rec+λ_advL_adv，λ_rec＝0.99，λ_adv＝0.01；

(5.5)采用Adam优化算法使损失函数L取最小，与此同时使生成式网络的损失函数L_D最小化，判别式网络与生成式网络同时进行训练，之后再进行一次两个序列生成式网络的训练，反复迭代以上过程，当判别网络判定正确的概率趋近于0.5时，训练完成。

3.根据权利要求1所述的基于编码器结构的图像修复方法，其特征在于：所述步骤六中均方误差MSE和峰值信噪比度量PSNR的计算方法为：

y_i和代表一个像素点的值；

MAX_I＝2^B-1，B代表编码一个像素用多少进制位。