基于生成式对抗网络的图像修复与应用.pdf

《基于生成式对抗网络的图像修复与应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于生成式对抗网络的图像修复与应用IMAGEINPAINTINGBASEDONGENERATIVEADVERSARIALNETWORKSANDAPPLICATION郑守峰哈尔滨工业大学2018年3月国内图书分类号：TP391.4学校代码：10213国际图书分类号：612.3密级：公开工学硕士学位论文基于生成式对抗网络的图像修复与应用硕士研究生：郑守峰导师：张宏志副教授申请学位：工程硕士学科：计算机技术所在单位：计算机科学与技术学院答辩日期：2018年3月授予学位单位：哈尔滨工业大学Class

2、ifiedIndex:TP391.4U.D.C:612.3DissertationfortheMasterDegreeinEngineeringIMAGEINPAINTINGBASEDONGENERATIVEADVERSARIALNETWORKSANDAPPLICATIONCandidate：ShoufengZhengSupervisor：Prof.HongzhiZhangAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ComputerSci

3、enceandTechnologyAffiliation：SchoolofComputerScienceandTechnologyDateofDefence：March,2018Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要随着摄像设备的更新换代和互联网技术的普及，人们将生活中的记忆存储在图像和视频中已经屡见不鲜。在摄影者获取场景拍摄条件时，会出现拍摄时机不佳和场景干扰物多的情况。所以，需要图像语义填充

4、的方法，对于不符合人眼视效果的干扰物或者图像噪点加工去除，从而满足摄像者的进一步需求。自适应的图像填充旨在遮挡部分图像中干扰物的条件下，利用遮挡部分以外的图像语义信息学习到遮挡区域图像可能出现的纹理结构模式，来完成图像填充任务。目前的较好的填充算法仍然在视觉效果和算法效率方面存在不足，所以在图像填充算法领域仍具有较高的研究意义。本文将生成对抗网络模型应用到图像语义填充任务中，利用深度学习方法，提出自编码模型作为生成对抗图像填充基本模型，利用图像的非缺失部分的语义信息进行模式学习，使遮挡部分的图像通过生成

5、网络模型得到填充后的图像，并能初步的体现图像语义不变性。为了使填充区域与周围区域更加协调，本文在对抗模型训练过程中加入条件引导图，使得图像填充效果更佳。虽然该模型在单一纹理的自然图像上的填充可以保持图像的结构信息，但是在纹理丰富的图像纹理语义上填充效果不够理想。进而，本文在自编码模型上提出进行特征级联式的生成模型，该模型能将图像的细节特征保留，并提升填充图像纹理效果。上述两种模型能在一定条件下，完成图像语义自动填充功能，为了进一步提升图像语义填充区域的结构与纹理质量，在对抗网络训练过程中，加入了特征交换

6、操作，使填充区域的特征和周围区域特征进行匹配交换，使得填充效果更符合人眼的视觉观赏效果。另外，将本文提出的三种模型和目前主流的算法分别进行对比，分别从视觉效果、客观评价标准、运行效率等方面进行分析，归纳出不同方法的优势。最后，针对特征交换在模型训练过程中的运算效率上进行优化，并将模型应用在照片修复，图像干扰物去除的应用上。关键词：图像语义填充；生成对抗网络；特征级联；特征交换；特征可视化-I-哈尔滨工业大学工学硕士学位论文AbstractWiththeupgradingofcameraequipment

7、andthepopularizationoftheInternet,peoplehavesucceededtostoretheirmemoriesintheimagesandvideos.Whenrequiringthesceneshootingconditions,photographermayfindtheshootingoccasionspoorandevenfullofthenumeroussceneinterferences.Inthiscase,themethodofimagesemanti

8、cinpaintingneedstobeusedtoprocessandremovetheinterferingobjectsortheimagenoisesthatarenotinlinewiththehumanvisualeffect,soastomeetthefurtherrequirementsofthephotographer.Theadaptiveimagefillingisdesignedtoremovetheinterfer