基于深度学习的图像修复算法研究与应用.pdfVIP

临沂大学硕士专业学位论文

摘要

图像修复是计算机视觉领域中的一项关键任务，它的核心在于挖掘图像内部蕴含的语

义特征和空间关联信息，对破损区域进行合理的重建，具有较高的学术研究价值。随着深

度学习技术的发展，基于深度神经网络的方法已成为图像修复领域的主流技术，大量应用

在医学图像重建、历史文物修复、影视后期制作以及智能驾驶场景中的图像增强等领域。

然而，现有方法在面对复杂破损区域时，仍然面临难以同时生成高质量纹理与保持全局结

构连贯性的问题，且缺乏对多样化修复场景的灵活适应能力。为应对上述问题，本文展开

了如下研究：

针对现有算法感受野不足，难以兼顾细节纹理与全局结构一致的问题，本文设计了一

种三重感受野网络（Triple-Receptive-FieldNetwork,TRFN）。该网络将局部卷积特征、全

局注意力机制与频域学习相结合，采用并发结构对多层次信息进行有效融合，在保持细节

纹理的同时，确保整体结构的协调统一。TRFN采用了草图引导机制，进一步实现了图像

编辑功能，利用提取边缘特征来处理用户的草图输入，使模型可精确指导图像编辑任务。

实验结果表明，TRFN在生成细节纹理与保持全局结构一致