典型文献
基于多粒度特征融合的边缘一致性图像补全
文献摘要：
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Places 2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.
文献关键词：
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
中图分类号：
作者姓名：
张思源;王国胤;刘群;王如琪
作者机构：
重庆邮电大学计算机科学与技术学院,重庆400065
文献出处：
引用格式：
[1]张思源;王国胤;刘群;王如琪-.基于多粒度特征融合的边缘一致性图像补全)[J].控制与决策,2022(12):3240-3250
A类：
多粒度认知计算,边缘判别器,Places,Streetview
B类：
多粒度特征融合,图像补全,数字图像处理,技术存在,生成式对抗网络,边缘结构,结构信息,细细,能处,符合实际,不同粒度,成图,图像边缘,生成结构,边缘空间,空间衰减,减损,边缘区域,像素,注意力机制,Paris,公共数据
AB值：
0.188695
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
