基于深度学习的大缺失率图像修复方法

应用领域

城市设计与建成遗产保护

专利、软著数

暂无专利和软著相关记录

合作方式

技术许可、合作开发、技术转让、技术服务和咨询等

联系电话

010-68322482

电子邮箱

liujie@bucea.edu.cn

成果简介

本成果探究了感受野的计算原理，提 出了空频联合的修复网络。其利用傅里叶神 经算子搭建基于傅里叶的全局感受野模块， 在频率域中执行卷积操作，以捕获空间域的 全局感受野，进而与空间域信息联合，更好 地保留全局结构和局部纹理细节。提出了基 于小波域的先验概率抽样的图像区域缺失修 复方法。其利用小波变换获取两个低信息熵 的网络输入成分，将网络处理的信息量限制 在网络的可处理信息容量之内，并基于概率 分布扩大网络的特征选择范围，提升网络的 容错度。

市场前景

大缺失率图像修复的主要目标是利用图像已知部分的信息恢复图像中受损区域内 容，且尽可能保持受损区域与已知区域的连贯性和协同性，以满足视觉要求。本成果在图 像编辑、影视制作、文物遗产的数字化修复等方面均具有广泛的应用前景。

成果示图