为解决现有算法修复大面积、不规则语义缺失图像时存在结构扭曲和纹理模糊的缺陷,提出了一种基于上下文信息的多样聚合图像修复算法。 首先,用编码器提取待修复图像的信息,估计缺失内容,经纹理信息生成模块融合来自各种感受野的上下文信息,增强缺失区域的结构与纹理信息;然后,经解码器恢复原始图像特征;最后,使用掩码匹配鉴别器对生成图像进行鉴别训练,结合对抗损失、重建损失、感知损失和风格损失共同优化模型,促进生成器合成清晰的纹理。 在公开数据集上,对所提算法进行训练和测试,实验结果表明,修复随机不规则大面积语义缺失图像时,所提算法可得到比对比算法更清晰合理的结构和纹理细节,其峰值信噪比和结构相似度等客观指标均优于对比算法。
