圖像修復(fù)是計(jì)算機(jī)視覺(jué)領(lǐng)域中的一項(xiàng)研究熱點(diǎn)和難點(diǎn)。傳統(tǒng)的圖像修復(fù)方法大多是基于圖像結(jié)構(gòu)紋理一致性,在面對(duì)大面積語(yǔ)義缺失的破損人臉圖像時(shí)往往無(wú)法取得令人滿(mǎn)意的修復(fù)結(jié)果。隨著深度學(xué)習(xí)的快速發(fā)展,基于深度生成模型的圖像修復(fù)方法可以直接生成缺失的部分圖像,極大的改善了圖像修復(fù)的效果,然而深度生成模型仍然存在很大的提升空間,網(wǎng)絡(luò)結(jié)構(gòu)單一、訓(xùn)練過(guò)程不穩(wěn)定、參數(shù)選擇困難對(duì)基于深度生成模型的圖像修復(fù)算法具有很大的挑戰(zhàn)性。本文介紹了基于生成式對(duì)抗網(wǎng)絡(luò)的圖像修復(fù)算法,對(duì)基于DCGAN的人臉圖像修復(fù)方法進(jìn)行了改進(jìn),提出了一種基于LSGAN改進(jìn)的人臉圖像修復(fù)算法。該算法使用LSGAN模型作為圖像修復(fù)中的生成網(wǎng)絡(luò),解決了傳統(tǒng)生成式對(duì)抗網(wǎng)絡(luò)生成圖像質(zhì)量不高和訓(xùn)練過(guò)程不穩(wěn)定這兩個(gè)缺陷。同時(shí),對(duì)網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練過(guò)程進(jìn)行一定的改進(jìn),提高了網(wǎng)絡(luò)生成圖像的質(zhì)量。然后利用語(yǔ)義損失和感知損失找到用來(lái)填充破損圖像的最佳生成圖像,利用生成圖像相應(yīng)位置的像素填充破損圖像�；诠_(kāi)的人臉圖像數(shù)據(jù)集,通過(guò)主觀評(píng)價(jià)指標(biāo)和客觀評(píng)價(jià)指標(biāo),可以驗(yàn)證改進(jìn)后的算法在不同類(lèi)型的破損圖像上均具有更強(qiáng)的修復(fù)能力。本文在基于深度學(xué)習(xí)的生成式模型的基礎(chǔ)上,提出了... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于結(jié)構(gòu)模型的圖像修復(fù)
        1.2.2 基于紋理合成的圖像修復(fù)
        1.2.3 基于深度學(xué)習(xí)的圖像修復(fù)
    1.3 研究方案
        1.3.1 研究目標(biāo)
        1.3.2 研究?jī)?nèi)容
    1.4 論文章節(jié)安排
第二章 相關(guān)理論研究
    2.1 變分自編碼器(VAE)
        2.1.1 理論及模型結(jié)構(gòu)
        2.1.2 生成效果分析
    2.2 生成式對(duì)抗網(wǎng)絡(luò)(GAN)
        2.2.1 理論及模型結(jié)構(gòu)
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.3 深度卷積生成對(duì)抗網(wǎng)絡(luò)
        2.2.4 最小二乘生成對(duì)抗網(wǎng)絡(luò)
        2.2.5 生成效果分析
    2.3 本章小結(jié)
第三章 基于GAN的人臉圖像修復(fù)算法
    3.1 基于DCGAN的人臉圖像修復(fù)算法
    3.2 基于LSGAN改進(jìn)的人臉圖像修復(fù)算法
        3.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.2 模型訓(xùn)練
        3.2.3 圖像修復(fù)
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 實(shí)驗(yàn)環(huán)境和評(píng)價(jià)指標(biāo)
        3.3.2 實(shí)驗(yàn)結(jié)果對(duì)比與分析
    3.4 本章小結(jié)
第四章 基于VAE-GAN改進(jìn)的人臉圖像修復(fù)算法
    4.1 算法框架
        4.1.1 自動(dòng)編碼器網(wǎng)絡(luò)模型
        4.1.2 判別器網(wǎng)絡(luò)模型
        4.1.3 損失函數(shù)
    4.2 圖像修復(fù)算法實(shí)現(xiàn)
        4.2.1 訓(xùn)練網(wǎng)絡(luò)模型
        4.2.2 修復(fù)結(jié)果微調(diào)
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 實(shí)驗(yàn)環(huán)境
        4.3.2 實(shí)驗(yàn)結(jié)果對(duì)比與分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 論文工作總結(jié)
    5.2 后續(xù)工作展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3430991