[发明专利]一种基于编码器结构的图像修复方法

摘要

本发明公开一种基于新编码器结构的图像修复方法，对于一幅有缺失像素的图像，训练一个由编码器和译码器组成的卷积神经网络来回归缺失的像素值。编码器捕捉图像上下文得到一个紧凑的特征表示，译码器使用这些表示产生缺失图像内容；Alexnet可提高运行速度、网络运行规模和性能；而Densenet可减轻最大梯度消失问题，加强特征利用，减少参数数量。本发明考虑结合两者的优点，将添加使用Densenet架构。相比于原始编码译码器使用的Alexnet网络架构，本发明能够提取更加紧凑和真实的特征，同时使用WGAN‑GP对抗性损失代替传统的GAN对抗损失，提高了特征学习的速度和精度，增强了修复效果。

主权项

1.一种基于新编码器结构的图像修复方法，其特征在于：先使用基于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Densenet和Alexnet网络的生成网络；步骤三：构建基于Alexnet网络的判别网络；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。