[发明专利]图像修复方法

权利要求书

1.图像修复方法，其特征在于，所述方法包括：将待修复图像输入图像修复神经网络，利用所述图像修复神经网络对所述待修复图像进行处理，获得修复后的图像；

所述图像修复神经网络包括：

粗修复子网络，所述粗修复子网络用于对所述待修复图像进行整体修复处理，获得粗修复图像；

特征子网络，所述特征子网络用于从所述粗修复图像中提取目标特征，获得第一特征向量图；

分割子网络，所述分割子网络用于从所述粗修复图像中提取所述目标的各个部件图像，获得所述目标的分割图；

关键点子网络，所述关键点子网络用于从所述粗修复图像中提取获得关键点坐标，基于所述关键点坐标获得关键点图；

精修复子网络，所述精修复子网络用于将所述第一特征向量图、所述分割图和所述关键点图进行融合，获得修复处理后的图像。

2.根据权利要求1所述的图像修复方法，其特征在于，所述分割子网络包括第一编码器和第一解码器，所述第一编码器的输入为所述粗修复图像，所述第一编码器的输出为所述第一解码器的输入，所述第一编码器用于对所述粗修复图像进行处理获得第一输出特征，使用跳跃连接将所述粗修复图像的特征和所述第一输出特征进行拼接，获得所述第一编码器的输出；所述第一解码器用于对所述第一编码器的输出进行处理获得第二输出特征，使用跳跃连接将所述第一编码器的输出和所述第二输出特征拼接，获得所述第一解码器的输出。

3.根据权利要求2所述的图像修复方法，其特征在于，所述粗修复图像的分辨率为，，和分别代表图像的宽度，高度和通道数，所述分割图的分辨率为，代表目标部件数量，所述第一编码器输出分辨率为的第一输出特征，所述第一输出特征经过所述第一解码器处理为分辨率为的分割图像，为第一预设数值。

4.根据权利要求3所述的图像修复方法，其特征在于，所述第一编码器包括：多个卷积层、多个批次归一化层和多个激活层；所述第一解码器包括：多个反卷积层、多个批次归一化层和多个激活层。

5.根据权利要求1所述的图像修复方法，其特征在于，所述特征子网络用于对所述粗修复图像进行处理，获得第三输出特征，使用跳跃连接将所述粗修复图像的特征和所述第三输出特征进行拼接，获得所述特征子网络的输出。

6.根据权利要求5所述的图像修复方法，其特征在于，所述特征子网络包括N个第一网络单元、1个卷积单元、1个激活单元和1个拼接单元，所述第一网络单元包括：卷积层、批次归一化层和激活层，所述卷积层的输出为所述批次归一化层的输入，所述批次归一化层的输出为所述激活层的输入；第一个第一网络单元的输入为所述粗修复图像，所述第一个第一网络单元的输出为第二个第一网络单元的输入，......，第N个第一网络单元的输入为第N-1个第一网络单元的输出，N为大于或等于2的整数，第N个第一网络单元的输出为所述卷积单元的输入，所述卷积单元的输出为所述激活单元的输入，所述拼接单元用于使用跳跃连接将所述粗修复图像的特征和所述激活单元的输出进行拼接，获得所述特征子网络的输出。

7.根据权利要求1所述的图像修复方法，其特征在于，所述粗修复子网络包括若干个依次连接的第二网络单元，所述第二网络单元包括：卷积层、批次归一化层和激活层，所述卷积层的输出为所述批次归一化层的输入，所述批次归一化层的输出为所述激活层的输入。

8.根据权利要求1所述的图像修复方法，其特征在于，所述粗修复子网络用于对所述待修复图像的整体观感进行修复，所述待修复图像的分辨率为，所述粗修复图像的分辨率为；，和分别代表图像的宽度，高度和通道数。

9.根据权利要求1所述的图像修复方法，其特征在于，所述粗修复图像的分辨率为，，和分别代表图像的宽度，高度和通道数，所述第一特征向量图的分辨率为，为第二预设数值。