基于优化感受野策略的图像修复方法
Deep neural network inpainting method based on optimized receptive field strategy
阜阳师范大学 计算机与信息工程学院, 安徽 阜阳 236000
摘要
当前流行的基于深度神经网络的图像修复方法，通常使用大感受野的特征提取器，在修复局部图案和纹理时，会产生伪影或扭曲的纹理，从而无法恢复图像的整体语义和视觉结构。为了解决这个问题，提出了一种基于优化感受野策略的图像修复方法（optimized receptive field，ORFNet），将粗糙修复与精细修复相结合。首先，使用具有大感受野的生成对抗网络获得初始的粗略修复结果；然后，使用具有小感受野的模型来细化局部纹理细节；最后，使用基于注意力机制的编码器-解码器网络进行全局精炼修复。在CelebA、Paris StreetView和Places2数据集上进行验证，结果表明，ORFNet与现有具有代表性的修复方法进行对比，PSNR和SSIM分别平均提升1.98 dB和2.49%，LPIPS平均下降2.4%。实验证明，所提图像修复方法在不同感受野的引导下，在修复指标上表现更好，在视觉上也更加真实自然，验证了该修复方法的有效性。
基金项目
安徽省高校自然科学研究重大项目(KJ2020ZD46)
阜阳师范大学高层次人才科研启动项目(2020KYQD0032)
阜阳师范大学校级项目(rcxm202001,2020FSKJ12,2021FSKJ01ZD)
阜阳市校合作项目(SXHZ202103)
阜阳师范大学阜阳市产业链研究创新团队(CYLTD202213)
出版信息
DOI: 10.19734/j.issn.1001-3695.2023.09.0406
出版期卷: 《计算机应用研究》 印刷出版, 2024年第41卷 第6期
所属栏目: 图形图像技术
出版页码: 1893-1900
文章编号: 1001-3695(2024)06-043-1893-08
发布历史
[2023-11-15] 优先出版
[2024-06-05] 印刷出版
引用本文
刘恩泽, 刘华明, 王秀友, 等. 基于优化感受野策略的图像修复方法 [J]. 计算机应用研究, 2024, 41 (6): 1893-1900. (Liu Enze, Liu Huaming, Wang Xiuyou, et al. Deep neural network inpainting method based on optimized receptive field strategy [J]. Application Research of Computers, 2024, 41 (6): 1893-1900. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
