圖像補(bǔ)全是數(shù)字圖像處理領(lǐng)域的重要研究方向,是一種在圖像缺失區(qū)域中填充替代內(nèi)容的技術(shù)。使用該技術(shù),可以為圖像中的缺失區(qū)域根據(jù)某種規(guī)則進(jìn)行補(bǔ)全,使補(bǔ)全后的圖像達(dá)到以假亂真的效果。正是其良好的補(bǔ)全效果,使得圖像補(bǔ)全技術(shù)在古代文物字畫(huà)的修復(fù)、現(xiàn)代醫(yī)療的診斷輔助以及遙感衛(wèi)星的圖像獲取等方面有著廣闊的應(yīng)用前景�，F(xiàn)有的比較成熟的圖像補(bǔ)全方法有:基于擴(kuò)散的圖像補(bǔ)全方法、基于樣本塊的圖像補(bǔ)全方法以及基于結(jié)構(gòu)特點(diǎn)的圖像補(bǔ)全方法。但是這些圖像補(bǔ)全方法都存在各自的缺點(diǎn)與不足:基于擴(kuò)散的方法只能填充面積小的或者狹窄的缺失區(qū)域,對(duì)于面積較大的區(qū)域補(bǔ)全效果并不理想;基于樣本塊的方法過(guò)于依靠圖像的完好區(qū)域,如果圖像的完好區(qū)域中不存在與圖像缺失區(qū)域相似的片段,那么圖像的缺失區(qū)域?qū)⒌貌坏胶芎玫难a(bǔ)全;基于結(jié)構(gòu)特點(diǎn)的方法通過(guò)保留重要的結(jié)構(gòu)特征來(lái)提高圖像補(bǔ)全的效果,但是,該方法僅限于特定的結(jié)構(gòu),不具有普遍性。鑒于現(xiàn)有的圖像補(bǔ)全方法的諸多不足,人們嘗試將深度學(xué)習(xí)的相關(guān)理論引入到圖像補(bǔ)全領(lǐng)域,以提高圖像的補(bǔ)全效果。本文也受此啟發(fā),提出了一種基于生成式對(duì)抗網(wǎng)絡(luò)模型（Generative adversarial networks,GA... 

【文章來(lái)源】：遼寧石油化工大學(xué)遼寧省

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

待補(bǔ)全的

現(xiàn)代醫(yī)療

314相關(guān)準(zhǔn)備工作4.1系統(tǒng)環(huán)境的搭建系統(tǒng)環(huán)境的搭建，需要我們分成四個(gè)部分來(lái)完成。首先，我們需要進(jìn)行Anaconda的安裝，Anaconda指的是一個(gè)開(kāi)源的Python發(fā)行版本。然后，我們需要進(jìn)行CUDA和cuDNN的安裝，CUDA指的是顯示接口卡廠商英偉達(dá)推出的一個(gè)并行運(yùn)算平臺(tái)和編程模型，而cuDNN則指的是顯示接口卡廠商英偉達(dá)設(shè)計(jì)的一款應(yīng)用于深度神經(jīng)網(wǎng)絡(luò)的圖形處理器(GraphicsProcessingUnit,GPU)加速庫(kù)。再次，我們需要進(jìn)行TensorFlow的安裝，TensorFlow指的是谷歌人工智能團(tuán)隊(duì)開(kāi)發(fā)的一款使用數(shù)據(jù)流圖的方式來(lái)進(jìn)行數(shù)值計(jì)算的開(kāi)源軟件庫(kù)。最后，我們需要進(jìn)行PyCharm的安裝，PyCharm指的是一種Python集成開(kāi)發(fā)環(huán)境。4.1.1Anaconda的安裝Anaconda作為開(kāi)源Python的一個(gè)發(fā)行版本，Anaconda中包含了conda、Python等一百八十多個(gè)科學(xué)包，以及它的依賴(lài)項(xiàng)。Anaconda作為一個(gè)開(kāi)源的包和環(huán)境管理器，Anaconda可以用于在同一臺(tái)機(jī)器上安裝不同版本的軟件包，以及它的依賴(lài)項(xiàng)，并且能夠在不同的環(huán)境之間切換。我們還可以使用Anaconda創(chuàng)建虛擬的環(huán)境，以便更加輕松地處理多個(gè)項(xiàng)目。Anaconda簡(jiǎn)化了我們的工作流程，并且解決了我們?cè)谔幚戆投鄠�(gè)Python版本匹配時(shí)遇到的大量問(wèn)題。要對(duì)Anaconda進(jìn)行安裝，首先需要在官網(wǎng)上下載Anaconda5.2，選擇Python3.6的版本。Anaconda5.2的官網(wǎng)下載界面如圖4.1所示。圖4.1Anaconda5.2的官網(wǎng)下載界面Fig.4.1Anaconda5.2officialwebsitedownloadinterface

【參考文獻(xiàn)】：
博士論文
[1]基于樣本和稀疏表示的圖像修復(fù)方法研究[D]. 張雷.西北大學(xué) 2016
[2]基于樣本的紋理合成方法研究[D]. 孫利君.山東大學(xué) 2012

碩士論文
[1]基于局部結(jié)構(gòu)的圖像修復(fù)算法研究[D]. 劉影.魯東大學(xué) 2016
[2]數(shù)字圖像修復(fù)技術(shù)的研究[D]. 朱坤.合肥工業(yè)大學(xué) 2011
[3]圖像修補(bǔ)技術(shù)的研究[D]. 謝愛(ài)敏.西安電子科技大學(xué) 2010
[4]基于分解的圖像和視頻修復(fù)算法研究[D]. 李翔.中南大學(xué) 2008
[5]數(shù)字圖像修復(fù)技術(shù)研究[D]. 張燕.成都理工大學(xué) 2008
[6]基于樣本塊圖像修補(bǔ)算法的研究與應(yīng)用[D]. 程玲.天津大學(xué) 2007



本文編號(hào)：3132332