[发明专利]一种图像恢复方法、装置、电子设备及可读存储介质

权利要求书

1.一种图像恢复方法，其特征在于，该方法包括：

将待恢复的人脸图像，输入到预先训练完成的图像分割模型中，确定所述人脸图像中被遮挡的第一区域；在所述人脸图像中标注所述第一区域，确定第一输入图像；

将所述第一输入图像，输入到预先训练完成的生成式对抗网络的生成模型中，确定所述第一输入图像的第一重构图像；将所述第一输入图像和所述第一重构图像输入到所述生成式对抗网络的判别模型中，确定所述第一重构图像为完整人脸图像的第一概率；

判断所述第一概率是否超过预设的第一概率阈值；

如果是，根据所述第一重构图像，对所述人脸图像进行恢复；

如果否，将所述第一重构图像作为第一输入图像，输入到所述生成模型中，直至对所述人脸图像进行恢复。

2.如权利要求1所述的方法，其特征在于，所述在所述人脸图像中标注所述第一区域，确定第一输入图像包括：

在所述人脸图像中，将所述第一区域中像素点的像素值更新为预设像素值；

将像素值更新后的人脸图像，确定为第一输入图像。

3.如权利要求1所述的方法，其特征在于，预先训练生成式对抗网络的生成模型和判别模型的过程包括：

针对每个样本图像，将所述样本图像中的任意区域确定为所述样本图像中被遮挡的第二区域；在所述样本图像中标注所述第二区域，确定第二输入图像；将所述第二输入图像，输入到生成式对抗网络的生成模型中，确定所述第二输入图像的第二重构图像；将所述第二输入图像和所述第二重构图像输入到所述生成式对抗网络的判别模型中，确定所述第二重构图像为完整人脸图像的第二概率；

当所述第二概率未超过预设的第二概率阈值时，将所述第二重构图像作为第二输入图像，输入到所述生成模型中，对所述生成模型和所述判别模型交替训练。

4.如权利要求1或3所述的方法，其特征在于，所述将所述输入图像，输入到生成式对抗网络的生成模型中，确定所述输入图像的重构图像包括：

将所述输入图像，输入到生成式对抗网络的生成模型中，确定所述输入图像的伪图像；

在所述伪图像中确定与所述区域对应的第三区域，采用所述第三区域替换所述区域生成重构图像。

5.如权利要求1或3所述的方法，其特征在于，确定重构图像的概率包括：

根据所述输入图像、所述重构图像及预先保存的语境损失公式，确定语境损失概率；

根据所述重构图像及预先保存的感知损失公式，确定感知损失概率；

根据所述语境损失概率，所述感知损失概率及预先保存的概率公式，确定所述重构图像的概率。

6.如权利要求1所述的方法，其特征在于，所述根据所述第一重构图像，对所述人脸图像进行恢复包括：

通过泊松图像融合技术对所述第一重构图像进行拟合，对所述人脸图像进行恢复。

7.一种图像恢复装置，其特征在于，该装置包括：

第一确定模块，用于将待恢复的人脸图像，输入到预先训练完成的图像分割模型中，确定所述人脸图像中被遮挡的第一区域；在所述人脸图像中标注所述第一区域，确定第一输入图像；

第二确定模块，用于将所述第一输入图像，输入到预先训练完成的生成式对抗网络的生成模型中，确定所述第一输入图像的第一重构图像；将所述第一输入图像和所述第一重构图像输入到所述生成式对抗网络的判别模型中，确定所述第一重构图像为完整人脸图像的第一概率；

判断模块，用于判断所述第一概率是否超过预设的第一概率阈值；

恢复模块，用于当所述判断模块的判断结果为是时，根据所述第一重构图像，对所述人脸图像进行恢复；当所述判断模块的判断结果为否时，将所述第一重构图像作为第一输入图像，输入到所述生成模型中，直至对所述人脸图像进行恢复。

8.如权利要求7所述的装置，其特征在于，所述第一确定模块，具体用于在所述人脸图像中，将所述第一区域中像素点的像素值更新为预设像素值；将像素值更新后的人脸图像，确定为第一输入图像。