计算机应用研究

作者：刘恩泽,刘华明,王秀友,毕学慧,

单位：阜阳师范大学计算机与信息工程学院,安徽阜阳236000；

关键词：自编码网络,语义一致,感受野,注意力,粗修复和细修复,

基金：安徽省高校自然科学研究重大项目(KJ2020ZD46)；阜阳师范大学高层次人才科研启动项目(2020KYQD0032)；阜阳师范大学校级项目(rcxm202001,2020FSKJ12,2021FSKJ01ZD)；阜阳市校合作项目(SXHZ202103)；阜阳师范大学阜阳市产业链研究创新团队(CYLTD202213)；；

当前流行的基于深度神经网络的图像修复方法，通常使用大感受野的特征提取器，在修复局部图案和纹理时，会产生伪影或扭曲的纹理，从而无法恢复图像的整体语义和视觉结构。为了解决这个问题，提出了一种基于优化感受野策略的图像修复方法（optimized receptive field，ORFNet），将粗糙修复与精细修复相结合。首先，使用具有大感受野的生成对抗网络获得初始的粗略修复结果；然后，使用具有小感受野的模型来细化局部纹理细节；最后，使用基于注意力机制的编码器-解码器网络进行全局精炼修复。在CelebA、Paris StreetView和Places2数据集上进行验证，结果表明，ORFNet与现有具有代表性的修复方法进行对比，PSNR和SSIM分别平均提升1.98 dB和2.49%，LPIPS平均下降2.4%。实验证明，所提图像修复方法在不同感受野的引导下，在修复指标上表现更好，在视觉上也更加真实自然，验证了该修复方法的有效性。

来源：2024年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第6期