數(shù)字人臉圖像修復(fù)指利用計(jì)算機(jī)手段將有缺損地人臉圖像進(jìn)行恢復(fù)的過程。按照一定的規(guī)則借助缺損區(qū)域的領(lǐng)域像素信息修復(fù)圖像,目的在于使得觀察者無法辨別出是否為缺損圖像。圖像修復(fù)在多個(gè)方向上都有應(yīng)用,如:老舊圖像復(fù)原、遮擋物移除、視頻信息恢復(fù)等。傳統(tǒng)的圖像修復(fù)技術(shù)修復(fù)的圖像往往會(huì)出現(xiàn)模糊不清、偽影等問題;當(dāng)缺損區(qū)域較大時(shí),也無法很好完成修復(fù)工作。當(dāng)涉及人臉圖像修復(fù)時(shí),僅利用信息擴(kuò)散原理預(yù)測缺損區(qū)域已無法達(dá)到修復(fù)要求。本文提出了基于Residual-Wasserstein生成對抗網(wǎng)絡(luò)的人臉圖像修復(fù)算法。該算法創(chuàng)新點(diǎn)在于能夠非監(jiān)督地從深層次網(wǎng)絡(luò)中獲取背景信息來完成圖像修復(fù)。在改善了傳統(tǒng)修復(fù)算法模糊不清等缺陷時(shí),利用深度學(xué)習(xí)進(jìn)一步提升了圖像的生成與修復(fù)效果。本文主要工作如下:(1)研究生成對抗網(wǎng)絡(luò)的訓(xùn)練方法與模型結(jié)構(gòu),該網(wǎng)絡(luò)在無監(jiān)督學(xué)習(xí)方面具有優(yōu)秀的生成效果,卻存在很多缺陷,如梯度彌散、訓(xùn)練過程不穩(wěn)定、收斂難等問題。引入DCGAN能將生成對抗網(wǎng)絡(luò)用于圖像處理,WGAN能夠解決梯度彌散、收斂難和訓(xùn)練易崩潰的問題。本文基于以上網(wǎng)絡(luò)對傳統(tǒng)的生成對抗網(wǎng)絡(luò)進(jìn)行改進(jìn)并訓(xùn)練。(2)同時(shí)引入殘差網(wǎng)絡(luò)與譜歸一化算法,本...

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1數(shù)字圖像處理發(fā)展歷史Fig.1-1DevelopmentHistoryofDigitalImageProcessing

合一些先進(jìn)的深度學(xué)習(xí)思想創(chuàng)建一個(gè)新的深度生成對抗網(wǎng)絡(luò)并且搭建一個(gè)完整的圖像修復(fù)系統(tǒng)。1.2國內(nèi)外研究現(xiàn)狀1.2.1圖像修復(fù)技術(shù)研究進(jìn)展圖像修復(fù)領(lǐng)域從文藝復(fù)興時(shí)期發(fā)展至今一共演變出了以下四個(gè)方向，即：人工修復(fù)方向、基于結(jié)構(gòu)的修復(fù)算法方向、基于紋理的修復(fù)算法方向以及基于深度學(xué)習(xí)的修復(fù)....

圖1-3GAN網(wǎng)絡(luò)論文發(fā)表量[19]

西安理工大學(xué)碩士學(xué)位論文6圖1-2生成對抗網(wǎng)絡(luò)發(fā)展（部分）Fig.1-2DevelopmentofGenerativeAdversarialNetworks(Part)圖1-3GAN網(wǎng)絡(luò)論文發(fā)表量[19]Fig.1-3NumberofGANPapersPublished1.3論文....

圖1-2生成對抗網(wǎng)絡(luò)發(fā)展（部分）

西安理工大學(xué)碩士學(xué)位論文6圖1-2生成對抗網(wǎng)絡(luò)發(fā)展（部分）Fig.1-2DevelopmentofGenerativeAdversarialNetworks(Part)圖1-3GAN網(wǎng)絡(luò)論文發(fā)表量[19]Fig.1-3NumberofGANPapersPublished1.3論文....

圖2-7二維卷積操作Fig.2-7Two-dimensionalConvolution

生成對抗網(wǎng)絡(luò)相關(guān)理論及算法研究19DC-GAN的基礎(chǔ)結(jié)構(gòu)是二維卷積與轉(zhuǎn)置卷積算法。二維卷積指的是在圖像層面上進(jìn)行的卷積操作，目的在于從高維向量中提取出低維特征，類似于圖像的下采樣過程，成為了圖像處理領(lǐng)域最為廣泛使用的操作之一。二維卷積通常是直接使一個(gè)維度小于圖像的卷積核（filt....

本文編號：3971624