[发明专利]图像修复系统及其图像修复方法

说明书

本发明提供一种图像修复系统及其图像修复方法，该图像修复系统包括图像输入预处理模块、图像修复模块以及图像输出模块，其中，图像输入模块，用于将待修复图像输入到图像修复模块中；图像修复模块，用于构建一个包括生成器与判别器的对抗性神经网络，且对该对抗性神经网络进行引入感知损失函数的预设训练，以通过预设训练后的对抗性神经网络对待修复图像进行图像修复，生成已修复图像；图像输出模块，用于输出图像修复模块生成的已修复图像。藉此，可在图像修复过程中提升其对抗性神经网络的生成分布细节复原能力，使得本图像修复系统的图像修复效果更佳。

技术领域

本发明涉及一种图像修复技术，且尤其涉及一种图像修复系统及其图像修复方法。

背景技术

作为图像处理技术的一种，图像修复技术旨在根据图像上下文对图像丢失或遮挡部分进行修补，修复任务要求修复后的图像整体尽可能自然并与原图尽可能地接近。通过图像修复技术，我们可以去除图像中的一些噪声、划痕、缺失以及遮挡，提高图像质量；并进一步通过图像先验信息，进一步挖掘图像隐含信息，为其他图像处理及计算机视觉方法提供支持。

随着基于神经网络的深度学习的发展，卷积神经网络凭借其对图像底层特征的理解以及图像高层语义特征的抽象能力，在图像分割、目标检测等任务中表现出了优异的结果，在诸多相关比赛中获取最佳成绩。现有对抗生成神经网络(Generative AdversarialNet，GAN)作为图像修复技术的一种，其主要通过卷积神经网络作为生成模型来训练生成图像，通过另一个卷积神经网络作为判别器辅助训练，其用于区分图像是由网络产生还是真实的。训练发生器网络以欺骗鉴别器网络，同时鉴别器网络并行更新，通过不断的极大极小化博弈训练，最终可以生成非常接近于真实图像的生成图像，达到图像修复的目的。然而，现有的使用对抗生成神经网络的图像修复系统，由于其对抗生成神经网络的生成分布细节复原能力欠佳，导致其图像修复效果不佳。

发明内容

本发明提供一种图像修复系统及其图像修复方法，旨在解决现有图像修复系统中，其对抗生成神经网络的生成分布细节复原能力欠佳，导致其图像修复效果不佳的技术问题。

本发明的实施例提供一种图像修复系统，所述图像修复系统包括图像输入模块、图像修复模块以及图像输出模块，其中，

所述图像输入模块，用于将待修复图像输入到所述图像修复模块中；

所述图像修复模块，用于构建一个包括生成器与判别器的对抗性神经网络，且对所述对抗性神经网络进行预设训练，以通过预设训练后的所述对抗性神经网络对所述待修复图像进行图像修复，生成已修复图像；

所述图像输出模块，用于输出所述图像修复模块生成的已修复图像；

所述预设训练包括以下步骤：

基于输入的模糊图像，通过所述生成器生成对应的样本图像，并输出给所述判别器；

基于输入的所述样本图像与相应的清晰图像，一方面直接计算其内容上的损失，得到感知损失函数，另一方面在所述判别器对所述样本图像进行真/假判别时，对所述样本图像产生的损失进行计算，得到对抗损失函数；

将所述感知损失函数及所述对抗损失函数均反馈给所述生成器，以通过所述生成器不断调整所述对抗性神经网络的网络参数，使得所述对抗性神经网络在每一次迭代中逐渐生成清晰图像。

本发明的实施例还提供一种图像修复系统的图像修复方法，所述图像修复方法应用于上述的图像修复系统中，所述图像修复方法包括以下步骤：

将输入的待修复图像置于通过预设训练后的所述对抗性神经网络的所述生成器中；

通过所述生成器对所述待修复图像进行图像修复处理，生成已修复图像后，输出所述已修复图像。