[发明专利]一种基于GNN的文物图像复原方法

权利要求书

1.一种基于GNN的文物图像复原方法，其特征在于，包括以下步骤：

a、采集文物图像；

b、预处理步骤a中采集到的图像，对训练图像进行大小归一化处理，把较大像素的图像分割或者提取重要的部分，得到若干个训练样本，将其处理为256*256像素；

c、基于深度卷积网络构造GNN网络；

d、对GNN网络进行训练；

e、根据训练好的GNN网络复原受损文物的图像；

f、如果在步骤b中把图像分割成较小的部分，需要将它们拼接起来。

2.如权利要求1所述的一种基于GNN网络的文物图像复原方法，其特征在于，步骤c中使用卷积神经网络构造GNN的生成器，包括以下步骤：

(1)设置卷积神经网络模型的网络层为4层；

(2)每一层的卷积核为4*4，使用LeakyReLU激活函数，步长为2，每经过一层，长、宽分别缩小至原来的1/2；

(3)设置反卷积网络为4层，反卷积层是卷积层网络的逆过程；

(4)前三层的反卷积核为4*4，使用LeakyReLU激活函数，步长为2，每经过一层，长宽分别扩大至原来的2倍；

(5)第四层的反卷积核为4*4，不使用激活函数，反卷积的输出即为生成器的输出，它是256*256像素的一幅图像。

3.如权利要求1所述的一种基于GNN网络的文物图像复原方法，其特征在于，步骤c中使用多层卷积网络构造GNN的判别器，包括以下步骤：

(1)设置判别子网络模型的网络层数为5层；

(2)前4层卷积核是4*4，使用LeakyReLU激活函数，步长为2，每经过一层，长、宽分别缩小至原来的1/2；

(3)第五层卷积核为4*4，不使用激活函数，步长为4，输出即为对抗网络的输出，它是256*256的一幅图像。

4.如权利要求1所述的一种基于GNN网络的文物图像复原方法，其特征在于，步骤c中，连接生成器和判别器，包括以下步骤：

(1)将原始图像输入到GNN中，得到第一张不同风格的图像，把得到的这张图像继续输入GNN中，得到第二张生成的图像；

(2)为了经过一个序列的两个生成器后，图像的变化量尽量小，使类似于加入噪声的图像输入变化范围在一定的区域内，使输入和输出共享一些特征，计算原始图像与第二张图像的相似度，通过调整这个相似度控制生成器的变化范围；

(3)使用另一张原始图像，重复步骤(1)和(2)，得到另一组两个生成器的输出组成的序列结构；

(4)把第一组序列的初始图像当做真样本输入第一个判别器，把第二组序列中通过第一个生成器产生的图像作为假样本输入第一个判别器；

(5)与(4)类似，把第二组序列的初始图像当做真样本输入第二个判别器，把第一组序列中通过第一个生成器产生的图像作为假样本输入第二个判别器。