- 1、本文档共49页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
摘要
摘要
图像补全技术是指根据图像中缺失或损坏区域的上下文信息将图像补全为完整
的图像,并达到真实、自然的补全效果。图像补全技术是低级视觉中的基本问题,目
前已经引起了计算机视觉和图形领域的广泛兴趣。已有的图像补全方法大都基于面积
较小或者位于图像中心的缺失区域,当缺失区域面积较大或者位于图像边缘位置时,
补全结果便会产生空白、失真及伪彩色等现象。
论文在已有方法的基础上提出了一种基于生成对抗网络的分级联合图像补全方
法,即采用生成对抗的方式,对大面积和位于图像边缘位置的缺失区域进行分级联合
补全。首先以补全网络的生成图像和原始完整图像之间的均方误差损失为目标函数,
通过补全网络进行反复迭代,得到初步补全的图像;然后固定补全网络,将初步补全
的图像划分为图像的全部区域、以补全区域为中心的区域和补全区域的中心区域三部
分,并分别输入到对应的判别网络中进行反向传播训练;最后将补全网络和判别网络
一起迭代训练。此外,还针对原始生成对抗网络训练的不稳定问题对网络结构做出了
改进。该方法的优势在于:一方面,通过将图像进行分区,保证了补全结果的全局、
局部一致性及生成的纹理信息的真实性;另一方面,通过添加局部判别网络并对原始
网络结构进行调整,克服了原始生成对抗网络中训练不稳定的问题,从而克服了当缺
失区域面积较大或者位于图像边缘位置时伪彩色的生成等问题。
实验结果表明,本文提出的方法在补全具有大面积或者位于图像边缘位置的缺失
区域时具有较好的结果,补全的结果更加真实、自然。
关键词:分级联合,图像补全,生成对抗网络,大面积,边缘位置
I
目录
目录
摘要I
ABSTRACT II
1 绪论 1
1.1 研究背景与意义 1
1.2 本文研究工作 1
1.3 论文组织结构2
2 相关工作及国内外研究进展 3
2.1 图像补全技术方法综述 3
2.1.1 基于数据驱动的图像补全方法4
2.1.2 基于纹理合成的图像补全方法 5
2.1.3 基于深度学习的图像补全方法 6
2.2 生成对抗网络及其变体模型 8
2.2.1 GAN 的基本模型理论 8
2.2.2 GAN 的学习方法9
2.2.3 GAN 的优缺点 10
2.2.4 条件生成对抗网络 11
2.2.5 深度卷积生成对抗网络 12
2.2.6 Wasserstein 生成对抗网络 13
2.2.7 信息生成对抗网络 14
2.2.8 生成对抗网络及其变体性能的比较 15
2.3 基于生成对抗网络的图像补全方法 15
2.4 本章小结 17
3 基于生成对抗网络的分级联合图像补全方法 18
3.1 算法基本思想 18
3.2 分级联合图像补全 18
3.3 网络结构21
3.3.1 补全网络22
3.3.2 判别网络23
3.4 本章小结23
4 实验及结果分析24
4.1 系统环境搭建24
4.1.1 Tensorflow 系统24
4.1.2 Tensorflow 编译及安装24
4.1.3 实验环境24
4.2 实验数据25
4.3 实验策略26
4.4 实验结果展示及分析27
4.4.1 实验结果展示27
III
您可能关注的文档
- 基于景观体验的山地森林自然教育基地景观规划设计研究 ——以碧水森林自然教育基地为例.pdf
- 基于决策树的大学生心理危机预警模型研究及应用.pdf
- 基于老年人行为需求的户外健身设施研究.pdf
- 基于六自由度机械臂的鱼竿自动拉漆系统研制.pdf
- 基于绿色基础设施理论的城市滨水绿廊景观规划设计研究 ——以江西吉安县禾河为例.pdf
- 基于面向对象和深度学习的矿区无人机影像地物提取.pdf
- 基于木材纤维细胞修饰的功能性木质材料制备及机理的研究.pdf
- 基于平衡计分卡的商业银行信贷风险管理研究 ——以建设银行A支行为例.pdf
- 基于热疲劳寿命理论的轮胎结构改进设计.pdf
- 基于森林资源清查数据的乔木林碳储量估测研究.pdf
文档评论(0)