[发明专利]边缘学习的图像填充方法、装置、终端及可读存储介质

权利要求书

1.一种边缘学习的图像填充方法，应用于终端，其特征在于，所述边缘学习的图像填充方法包括以下步骤：

基于原始图像对应的灰度图像以及原始图像对应的掩模图像，确定背景灰度图像；

基于原始图像对应的边缘图像以及所述掩模图像确定背景边缘图像；

基于所述背景灰度图像、所述背景边缘图像、所述掩模图像以及第一预设空洞卷积模型，生成缺失边缘图像；

基于所述原始图像对应的背景图像、所述背景边缘图像、所述缺失边缘图像、所述掩模图像以及第二预设空洞卷积模型，生成原始图像对应的填充图像。

2.如权利要求1所述的边缘学习的图像填充方法，其特征在于，所述终端包括第一鉴别器，所述基于所述背景灰度图像、所述背景边缘图像、所述掩模图像以及第一预设空洞卷积模型，生成缺失边缘图像的步骤包括：

基于所述背景灰度图像、所述背景边缘图像以及所述掩模图像训练第一预设空洞卷积模型；

基于第一鉴别器确定所述第一预设空洞卷积模型是否收敛；

在确定所述第一预设空洞卷积模型收敛时，确定所述第一预设空洞卷积模型为第一目标空洞卷积模型；

基于所述背景灰度图像、所述背景边缘图像、所述掩模图像以及所述第一目标空洞卷积模型，生成缺失边缘图像。

3.如权利要求2所述的边缘学习的图像填充方法，其特征在于，所述基于第一鉴别器确定所述第一预设空洞卷积模型是否收敛的步骤之后，还包括：

在确定所述第一预设空洞卷积模型不收敛时，按照第一预设规则更新所述第一预设空洞卷积模型的第一学习率；

基于更新后的第一学习率更新所述第一预设空洞卷积模型，将更新后的第一预设空洞卷积模型作为第一预设空洞卷积模型，继续执行基于所述背景灰度图像、所述背景边缘图像以及所述掩模图像训练第一预设空洞卷积模型的步骤。

4.如权利要求2所述的边缘学习的图像填充方法，其特征在于，所述基于第一鉴别器确定所述第一预设空洞卷积模型是否收敛的步骤包括：

基于第一输入数据以及所述第一鉴别器，确定所述第一预设空洞卷积模型对应的第一对抗损失函数，其中，所述第一输入数据包括所述灰度图像、所述边缘图像和所述缺失边缘图像；

基于第二输入数据以及所述第一鉴别器，确定所述第一预设空洞卷积模型对应的特征匹配损失函数，其中，所述第二输入数据包括所述边缘图像和所述缺失边缘图像；

基于所述第一对抗损失函数以及所述特征匹配损失函数确定所述第一预设空洞卷积模型的损失函数；

基于所述第一预设空洞卷积模型的损失函数确定所述第一预设空洞卷积模型是否收敛。

5.如权利要求1至4任一项所述的边缘学习的图像填充方法，其特征在于，所述终端包括第二鉴别器，所述基于所述原始图像对应的背景图像、所述背景边缘图像、所述缺失边缘图像、所述掩模图像以及第二预设空洞卷积模型，生成原始图像对应的填充图像的步骤包括：

基于所述缺失边缘图像、所述背景边缘图像以及所述掩模图像，确定复合边缘图像；

基于所述原始图像对应的背景图像以及所述复合边缘图像训练第二预设空洞卷积模型；

基于第二鉴别器以及预设卷积神经网络确定所述第二预设空洞卷积模型是否收敛；

在确定所述第二预设空洞卷积模型收敛时，确定所述第二预设空洞卷积模型为第二目标空洞卷积模型；

基于所述原始图像对应的背景图像、所述复合边缘图像以及第二目标空洞卷积模型，生成原始图像对应的填充图像。

6.如权利要求5所述的边缘学习的图像填充方法，其特征在于，所述基于第二鉴别器以及预设卷积神经网络确定所述第二预设空洞卷积模型是否收敛的步骤之后，还包括：

在确定所述第二预设空洞卷积模型不收敛时，按照第二预设规则更新所述第二预设空洞卷积模型的第二学习率；

基于更新后的第二学习率更新所述第二预设空洞卷积模型，将更新后的第二预设空洞卷积模型作为第二预设空洞卷积模型，继续执行基于所述原始图像对应的背景图像以及所述复合边缘图像训练第二预设空洞卷积模型的步骤。