控制与决策

作者：张思源,王国胤,刘群,王如琪

单位：重庆邮电大学 计算机科学与技术学院,重庆 400065,,重庆邮电大学 计算机科学与技术学院,重庆 400065,,重庆邮电大学 计算机科学与技术学院,重庆 400065,,重庆邮电大学 计算机科学与技术学院,重庆 400065,

关键词：图像补全;生成式对抗网络;边缘判别器;多粒度认知计算;深度学习

基金：国家自然科学基金项目(61936001,61772096)；重庆市自然科学基金项目(cstc2019jcyj-cxttX0002, cstc2021ycjh-bgzxm0013)；重庆市教委重点合作项目(HZ2021008).

图像补全是数字图像处理领域的一项重要研究内容,大面积不规则缺失图像的补全是近年来的研究热点.然而,现有的图像补全技术存在一些局限性,基于生成式对抗网络的方法忽略了图像的边缘结构信息,存在无法还原精细细节的问题;基于局部判别器的方法不能处理非矩形的缺失图像,存在补全任务不符合实际应用场景的问题等.鉴于此,结合多粒度认知计算的思想,提出基于多粒度特征融合的边缘判别器,充分学习不同粒度的边缘结构信息,提高生成图像边缘和真实图像边缘的一致性,生成结构更加清晰的补全图像.同时,引入边缘空间衰减损失,以提高边缘区域像素的连续性.此外,利用注意力机制将补全区域的像素作为有效像素,优化局部判别器使其能够处理非矩形缺失图像.在Places2和Paris Streetview等公共数据集上的实验结果表明,补全大面积不规则缺失图像时,所提出方法能够取得比其他图像补全方法更好的效果,一定程度上表明了边缘结构信息在图像补全研究中的重要性.

来源：2022年第12期

《控制与决策》期刊编辑部

查看控制与决策杂志2022年第12期