[发明专利]一种基于SVD近似矩阵约束的图像深度学习修复方法

摘要

本发明公开了一种基于SVD近似矩阵约束的图像深度学习修复方法，包括：步骤1，对待修复图像进行SVD分解，得到待修复图像的初步修复图像；步骤2，构建相似图像集合；步骤3，指定待修复图像中待修复区域，针对待修复区域边界上的每个待修复图像块，在相似图像集合中寻找和待修复图像块相似的图像块，构建相似图像块集合；步骤4，利用相似图像块集合训练深度生成神经网络模型；步骤5，以待修复图像块中的已知像素作为约束，利用深度生成神经网络模型生成待修复图像块像素；步骤6，更新待修复区域，若待修复区域为空，则修复完成；否则返回步骤3。本发明提供的图像深度学习修复方法，最终得到的修复图像在视觉上更加连续。

主权项

1.一种基于SVD近似矩阵约束的图像深度学习修复方法，其特征在于，包括：步骤1，对待修复图像进行SVD分解，通过将相应奇异值置为零的操作，得到待修复图像的初步修复图像；步骤2，构建相似图像集合，相似图像集合中的各图像与待修复图像的初步修复图像具有相似性；步骤3，指定待修复图像中待修复区域，针对待修复区域边界上的每个待修复图像块，在相似图像集合中寻找和待修复图像块相似的图像块，相似图像块的集合构成相似图像块集合；步骤4，利用相似图像块集合训练深度生成神经网络模型；步骤5，以待修复图像块中的已知像素作为约束，利用训练好的深度生成神经网络模型生成待修复图像块像素；步骤6，更新待修复区域，若待修复区域为空，则修复完成；否则返回步骤3。