生成对抗网络在图像修复中的应用综述.pdfVIP

计算机科学与探索1673-9418/2024/18(03)-0553-21

JournalofFrontiersofComputerScienceandTechnologydoi:10.3778/j.issn.1673-9418.2307073

生成对抗网络在图像修复中的应用综述

龚颖，许文韬，赵策，王斌君+

中国人民公安大学信息网络安全学院，北京100240

+通信作者E-mail:wangbinjun@ppsuc.edu.cn

摘要：随着生成对抗网络的迅猛发展，许多基于传统方法难以较好解决的图像修复问题获得了新的研究途

径。生成对抗网络凭借强大的生成能力，能从受损图像中恢复出完好的图像，故而在图像修复中得到较为广

泛的应用。总结了近年来利用生成对抗网络修复受损图像问题的相关理论与研究，以受损图像的类别及其所

适配的修复方法为主要划分依据，将图像修复的应用划分为图像补全、图像去模糊、图像去噪三个主要方面。

针对每一方面，通过技术原理、应用对象等维度对图像修复的应用进一步细分。对于图像补全领域，从使用条

件引导与潜在编码等角度探讨了基于生成对抗网络的不同图像补全方法；对于图像去模糊领域，阐释了运动

模糊图像与静态模糊图像的本质不同及其修复方法；对于图像去噪领域，归纳了不同类别图像的个性化去噪

方法。同时，对于每一类应用，分析了所采用的具体生成对抗网络模型的特点及其贡献。最后，总结了生成对

抗网络应用于图像修复的优势与不足，并对未来应用场景进行了展望。

关键词：图像修复；生成对抗网络；图像补全；图像去模糊；图像去噪

文献标志码：A中图分类号：TP391

ReviewofApplicationofGenerativeAdversarialNetworksinImageRestoration

GONGYing,XUWentao,ZHAOCe,WANGBinjun+

CollegeofInformationNetworkSecurity,PeoplesPublicSecurityUniversityofChina,Beijing100240,China

Abstract:Withtherapiddevelopmentofgenerativeadversarialnetworks,manyimagerestorationproblemsthatare

difficulttosolvebasedontraditionalmethodshavegainednewresearchapproaches.Withitspowerfulgeneration

ability,generativeadversarialnetworkscanrestoreintactimagesfromdamagedimages,sotheyarewidelyusedin

imagerestoration.Inordertosummarizetherelevanttheoriesandresearchontheproblemofusinggenerativead-

versarialnetworkstorepairdamagedimagesinrecentyears,basedonthecategoriesofdamagedimagesandtheir

adaptedrepairmethods,theapplicationsofimagerestorationaredividedintothreemainaspects:imageinpainting,

imagedeblurring,andimagedenoising.Foreachaspect,theapplicationsarefurthersubdividedthroughtechnical

principles,applicationobjectsandotherdimensions.Forthefieldofimageinpainting,differentimagecompleti