文章目录

0 引 言

1 生成式对抗网络的基本原理

2 基于人工特征的传统图像修复算法

2.1 基于结构的图像修复

2.2 基于纹理的图像修复

2.3 基于稀疏表示的图像修复

3 基于生成式对抗网络的图像修复算法

3.1 基于深度卷积生成对抗网络的修复算法

3.2 基于Wasserstein生成式对抗网络的修复方法

3.3 基于CBEGAN边界均衡生成网络的修复算法

3.4 基于条件生成对抗网络的修复算法

4 公开测试数据集与算法评估方法

4.1 公开测试数据集

4.2 算法性能评估方法

5 结束语

文章摘要:图像修复是图像处理的一个重要问题,目的是利用计算机视觉技术自动恢复退化图像中损坏或丢失的部分,被广泛应用于影视特技制作、图像编辑、数字化文物保护等领域。近几年,以生成式对抗网络（GAN）为代表的深度学习技术在计算机视觉和图像处理领域大获成功,基于GAN的图像修复逐渐成为主流,受到了广泛关注。针对图像修复的关键问题,文章对GAN和基于GAN的修复方法进行理论分析,首先整理分析了传统的基于人工特征的经典图像修复方法,其次总结了近年来基于GAN的代表性图像修复算法,并进行归纳分类,探讨了各类方法的特点和局限性。然后对图像修复模型常用的评价指标和公开数据集进行整理和分析,最后阐述了图像修复面临的挑战,对图像修复技术未来的发展方向进行展望。

文章关键词:

项目基金: