[发明专利]一种基于对抗生成网络的图像修复方法

权利要求书

1.一种基于对抗生成网络的图像修复方法，其特征在于，包括步骤：

S1、构建图像修复训练网络：将生成SE-ResNet网络添加到生成网络中，将判别SE-ResNet网络添加到判别网络，得到图像修复训练网络；

S2、训练：从训练数据集中提取若干个原始图像，掩码处理得到若干个训练图像，分别使用所述生成网络中的所述生成SE-ResNet网络生成训练修复图像，再使用所述判别网络中的所述判别SE-ResNet网络判别所述训练修复图像的真假，根据所述判别网络的判别结果对所述生成网络的网络参数进行调整，使所述图像修复训练网络达到平衡状态后，以训练好的所述生成网络作为图像修复网络；

S3、修复：将待修复图像输入到所述图像修复网络中，得到修复图像。

2.根据权利要求1所述的基于对抗生成网络的图像修复方法，其特征在于，在所述步骤S2中，所述训练图像为将训练数据集中的图像进行图像掩膜处理后得到，使用若干个图像对所述图像修复训练网络进行若干次训练，最终得到所述图像修复网络。

3.根据权利要求2所述的基于对抗生成网络的图像修复方法，其特征在于，每次训练的步骤具体包括：

S21、将缺陷图像输入到所述生成网络中，使用所述生成SE-ResNet网络进行图像进行特征图像处理，使得生成的特征图像的分辨率降为预定分辨率；

S22、所述生成网络对所述特征图像进行修复处理，得到所述训练修复图像；

S23、所述判别网络使用所述判别SE-ResNet网络对所述训练修复图像进行损失判定，若是符合输出要求，则判定修复成功；否则，判定修复失败，执行步骤S24；

S24、所述判别网络根据损失判定结果调整所述生成网络的网络参数，执行步骤S21。

4.根据权利要求3所述的基于对抗生成网络的图像修复方法，其特征在于，所述损失判定为使用生成损失函数对所述训练修复图像与对应的所述原始图像之间进行损失判定；所述生成损失函数为：

L_final＝L_con+λ₁L_adv+λ₂L_CX；

其中，L_final为生成损失；L_adv为对抗损失；L_con为内容损失；L_CX为上下文损失；λ₁为对抗系数；λ₂为上下文系数。

5.根据权利要求4所述的基于对抗生成网络的图像修复方法，其特征在于，所述对抗损失通过对抗损失函数得到，所述对抗损失函数为：

其中，L_adv为对抗损失；D(x)是样本概率；x是真实样本或生成样本；E(*)是分布函数的期望值；z是从某一特定分布p_z中得到的采样，(x,y)是从某一特定分布p_r中得到的采样；G(*)是对抗性损失函数。

6.根据权利要求4所述的基于对抗生成网络的图像修复方法，其特征在于，所述内容损失通过内容损失函数得到，所述内容损失函数为：

其中，L_con为内容损失；E(*)是分布函数的期望值；z是从某一特定分布p_z中得到的采样，(x,y)是从某一特定分布p_r中得到的采样；G(*)是对抗性损失函数；⊙是两个矩阵的对应元素相乘；M是图像掩膜。

7.根据权利要求4所述的基于对抗生成网络的图像修复方法，其特征在于，所述上下文损失通过上下文损失函数得到，所述上下文损失函数为：

其中，L_CX为上下文损失；E(*)是分布函数的期望值；z是从某一特定分布p_z中得到的采样，(x,y)是从某一特定分布p_r中得到的采样；G(*)是对抗性损失函数；CX(*)是计算相似度的函数；Φ是VGG16网络。