[发明专利]一种基于上下文特征空间约束的图像修复方法

摘要

本发明提供一种基于上下文特征空间约束的图像修复方法，包括网络模型训练部分和图像修复部分，所述的网络模型训练部分，包括训练缺损区域的特征编码网络和特征解码网络，并采用已训练好的缺损图像的特征编码网络构建上下文特征空间，指导待修复图像的特征编码网络的训练；所述的图像修复部分，包括使用待修复图像的特征编码网络提取特征，使用缺损区域的特征解码网络解码特征，生成缺损区域的图像内容，输出修复后的图像。本发明能有效的从待修复图像上提取与对应缺损区域相近的特征，同时也避免了来自不同图像的特征干扰，提高了模型的鲁棒性，可以取得较好的图像修复效果。

主权项

1.一种基于上下文特征空间约束的图像修复方法，其特征在于：包括网络模型训练部分和图像修复部分，所述的网络模型训练部分，包括以下子步骤，步骤1.1，训练数据集准备，包括将训练数据集中的图像进行尺度变换和随机裁剪成预设的分辨率，并掩盖中心的图像区域，作为缺损区域，余下残缺图像作为待修复图像，缺损区域的原始图像内容作为标注数据；步骤1.2，构建网络模型并设定训练参数，所述网络模型包括缺损区域的特征编码网络、缺损区域的特征解码网络和待修复图像的特征编码网络；步骤1.3，训练缺损区域的特征编码网络和特征解码网络，用于将缺损区域的图像内容输入特征编码网络提取特征表示向量，再将特征表示向量输入特征解码网络重建缺损区域的图像内容；步骤1.4，当满足预设的相应迭代停止条件时，保存缺损区域的特征编码网络和特征解码网络，进入步骤1.5，否则返回步骤1.3继续下一次迭代训练；步骤1.5，训练待修复图像的特征编码网络，包括采用已训练好的缺损图像的特征编码网络构建上下文特征空间，指导待修复图像的特征编码网络的训练；步骤1.6，当满足预设的相应迭代停止条件时，保存待修复图像的特征编码网络，否则返回步骤1.5继续下一次迭代训练；所述的图像修复部分，包括以下子步骤，步骤2.1，图像修复数据准备，包括将修复对象的原始图像进行尺度变换，使缺损区域满足修复网络要求，并以缺损区域为中心，从变换后的原始图像裁剪相应的待修复图像；步骤2.2，使用待修复图像的特征编码网络提取特征，包括将待修复图像输入待修复图像的特征编码网络进行特征提取；步骤2.3，使用缺损区域的特征解码网络解码特征，包括将步骤2.2提取的特征向量输入缺损区域的特征解码网络进行解码；步骤2.4，生成缺损区域的图像内容，包括根据步骤2.3所得解码结果，输出生成的缺损区域的图像内容；步骤2.5，输出修复后的图像，包括将生成的缺损区域的图像内容填充到待修复图像中，得到的结果即为修复后的图像。