[发明专利]一种图像修复方法、装置以及电子设备在审
| 申请号： | 201810506706.3 | 申请日： | 2018-05-24 |
| 公开（公告）号： | CN108961174A | 公开（公告）日： | 2018-12-07 |
| 发明（设计）人： | 许靳昌;董远;白洪亮;熊风烨 | 申请（专利权）人： | 北京飞搜科技有限公司 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00 |
| 代理公司： | 北京晋德允升知识产权代理有限公司 11623 | 代理人： | 万铁占;李阳 |
| 地址： | 100876 北京市海淀区西土城路*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 图像修复 判别模型 生成模型 网络模型 修复 对抗 电子设备 原图像 图像 模型优化 博弈 训练集 优化 输出 图片 | ||
1.一种图像修复方法，其特征在于，包括：
获取待修复图像；
基于图像修复模型，对所述待修复图像进行修复处理；其中，所述图像修复模型基于对抗网络模型进行训练后得到。
2.如权利要求1所述的方法，其特征在于，训练所述图像修复模型，具体包括：
获取修复图像训练集，所述修复图像训练集包括：N个原图像和N个待修复图像；其中，所述N个待修复图像是基于N个原图像处理得到的；
基于所述修复图像训练集，对所述对抗网络模型进行训练，得到所述图像修复模型。
3.如权利要求1所述的方法，其特征在于，所述对抗网络模型包括：生成模型和判别模型；
所述对抗网络模型优化函数如下：
其中，G表示生成模型、D表示判别模型、表示X取自原图像分布、表示z取自待修复图像。
4.如权利要求3所述的方法，其特征在于，所述判别模型优化方式，包括：
基于所述对抗网络模型优化函数，利用梯度上升获取V(D,G)最大值；
基于获得V(D,G)最大值，获得优化后的所述判别模型。
5.如权利要求3所述的方法，其特征在于，所述生成模型优化方式，包括：
基于所述对抗网络模型优化函数，利用梯度下降获取V(D,G)最小值；
基于获得V(D,G)最小值，获得优化后的所述生成模型。
6.如权利要求1所述的方法，其特征在于，还包括：
优化目标判别函数：
其中，X表示所述原图像，G(z)表示修复完成所述待修复图像。
7.一种图像修复装置，其特征在于，包括：
获取模块，获取待修复图像；
修复模块，基于图像修复模型，对所述待修复图像进行修复处理；其中，所述图像修复模型基于对抗网络模型进行训练后得到。
8.如权利要求7所述的装置，其特征在于，还包括：训练模块；
所述训练模块，获取修复图像训练集，所述修复图像训练集包括：N个原图像和N个待修复图像；其中，所述N个待修复图像是基于N个原图像处理得到的；
基于所述修复图像训练集，对所述对抗网络模型进行训练，得到所述图像修复模型。
9.如权利要求7所述的装置，其特征在于，所述对抗网络模型包括：生成模型和判别模型；
所述对抗网络模型优化函数如下：
其中，G表示生成模型、D表示判别模型、表示X取自原图像分布、表示z取自待修复图像。
10.如权利要求9所述的装置，其特征在于，所述判别模型优化方式，包括：
基于所述对抗网络模型优化函数，利用梯度上升获取V(D,G)最大值；
基于获得V(D,G)最大值，获得优化后的所述判别模型。
11.如权利要求9所述的装置，其特征在于，所述生成模型优化方式，包括：
基于所述对抗网络模型优化函数，利用梯度下降获取V(D,G)最小值；
基于获得V(D,G)最小值，获得优化后的所述生成模型。
12.如权利要求7所述的装置，其特征在于，还包括：优化目标判别装置；
所述优化目标判别装置包含：优化目标判别函数：
其中，X表示所述原图像，G(z)表示修复完成所述待修复图像。
13.一种电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
获取待修复图像；
基于图像修复模型，对所述待修复图像进行修复处理；其中，所述图像修复模型基于对抗网络模型进行训练后得到。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京飞搜科技有限公司，未经北京飞搜科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810506706.3/1.html，转载请声明来源钻瓜专利网。
