[发明专利]一种基于先验知识约束的图像修复方法、系统以及计算机设备

权利要求书

1.一种基于先验知识约束的图像修复方法，其特征在于，包括：

构建缺失内容生成网络，所述缺失内容生成网络包括用于接收带有缺失区域的图像并输出修复后图像的生成器，以及用于在训练所述缺失内容生成网络时识别训练结果的判别器；

构建内容约束网络，所述内容约束网络用于提供所述生成器输出修复后图像的约束条件；

利用指定领域的数据集训练所述缺失内容生成网络；

基于训练后的缺失内容生成网络且以条件网络作为约束通过反向传播进行迭代优化，得到隐变量；

将带有缺失区域的图像输入训练后的缺失内容生成网络，且该缺失内容生成网络在训练时采用的数据集与带有缺失区域的图像属于同一领域，结合该缺失内容生成网络的隐变量求出修复后图像。

2.如权利要求1所述的基于先验知识约束的图像修复方法，其特征在于，所述约束条件包括像素内容约束、特征内容约束、背景知识约束和纹理平滑约束。

3.如权利要求2所述的基于先验知识约束的图像修复方法，其特征在于，所述约束条件采用如下损失函数表达：

其中：

为总体损失，并预先设定有阈值，所述生成器输出修复后图像的总体损失需符合该阈值；

为像素内容损失，为特征内容损失，为对抗损失，为平滑损失，分别对应所述像素内容约束、特征内容约束、背景知识约束和纹理平滑约束；λ₁、λ₂、λ₃、λ₄分别为对应的预定义权重系数。

4.如权利要求1所述的基于先验知识约束的图像修复方法，其特征在于，所述生成器包括依次配置的编码部分和生成部分，所述编码部分采用神经网络模型，包括五个卷积层和一个全连接层。

5.如权利要求4所述的基于先验知识约束的图像修复方法，其特征在于，所述全连接层输出的特征向量即所述隐变量，该隐变量还作为所述生成部分的输入。

6.如权利要求1所述的基于先验知识约束的图像修复方法，其特征在于，所述条件网络为提前训练好的分类网络，用于识别修复前、后的图像是否属于同一类别。

7.一种基于先验知识约束的图像修复系统，其特征在于，包括：

第一模块，用于构建缺失内容生成网络，所述缺失内容生成网络包括用于接收带有缺失区域的图像并输出修复后图像的生成器，以及用于在训练所述缺失内容生成网络时识别训练结果的判别器；

第二模块，用于构建内容约束网络，所述内容约束网络用于提供所述生成器输出修复后图像的约束条件；

利用指定领域的数据集训练所述缺失内容生成网络；

第三模块，用于基于训练后的缺失内容生成网络且以条件网络作为约束通过反向传播进行迭代优化，得到隐变量；

第四模块，用于将带有缺失区域的图像输入训练后的缺失内容生成网络，且该缺失内容生成网络在训练时采用的数据集与带有缺失区域的图像属于同一领域，结合该缺失内容生成网络的隐变量求出修复后图像。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述基于先验知识约束的图像修复方法的步骤。