[发明专利]一种深度学习的图像修复方法

权利要求书

1.一种深度学习的图像修复方法，其特征在于：包括以下步骤：

步骤S1：使用边缘生成器预测原始图像上遮盖区域的边缘映射；

步骤S2：验证边缘生成器预测出的边缘映射是否真实；

所述验证边缘生成器预测出的边缘映射是否真实的步骤，包括：使用第一网络训练目标对边缘生成器预测出的边缘映射进行验证：

其中，λ_adv和λ_FM为正则化参数；

所述第一网络训练目标的方式包括第一对抗网络损失函数和特征匹配损失函数；

所述第一对抗网络损失函数为：

所述特征匹配损失函数为：

其中，L表示卷积层数，N_i表示第i层的元素个数，D_i表示第i层的第一网络训练目标的鉴别器；

步骤S3：图像补全网络对真实的边缘映射进行图像修复和合成，剔除不真实的边缘映射；

步骤S4：验证图像补全网络修复和合成的图像是否真实；

所述验证图像补全网络修复和合成的图像是否真实的步骤，包括：

使用第二网络训练目标对图像补全网络修复和合成的图像进行验证：

所述第二网络训练目标的方式包括第二对抗网络损失函数和感知损失函数；

所述第二对抗网络损失函数为：

L_G'＝λ'_advL'_adv+λ_pL_perc

所述感知损失函数为：

其中，表示第i层第二网络训练目标的激励函数。

步骤S5：生成真实的图像，剔除不真实的图像。

2.根据权利要求1所述的一种深度学习的图像修复方法，其特征在于：所述使用边缘生成器预测原始图像上遮盖区域的边缘映射的步骤，包括：

边缘生成器预测的原始图像的幻想边缘为：

S_pred＝G(I_gray,S_gt)

其中，S_pred表示图像的幻想边缘；

I_gray表示原始图像的灰度值矩阵；

S_gt表示原始图像的边缘映射。

3.根据权利要求1所述的一种深度学习的图像修复方法，其特征在于：所述图像补全网络对真实的边缘映射进行图像修复和合成，剔除不真实的边缘映射的步骤，包括：

对真实的边缘映射进行图像修复和合成:

I_pred＝G`(S_gt,S_comp)

其中，I_pred表示修复和合成的图像；

S_comp表示将原始图像的真实边缘区域和破坏的幻想图像结合后生成的图像。