申请/专利权人：长沙理工大学

申请日：2021-10-22

公开（公告）日：2024-06-28

公开（公告）号：CN113989140B

主分类号：G06T5/77

分类号：G06T5/77;G06T5/70;G06N3/0464;G06N3/048;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.02.18#实质审查的生效;2022.01.28#公开

摘要：本申请公开的基于自注意力机制的循环特征推理的图像修复方法，包括：构建SA‑RFR网络结构：包括预处理模块、特征推理模块和自适应重影融合模块；将破损图像和对应的蒙版输入网络结构中，先经过预处理模块处理，进行特征图的提取以及蒙版的判定并更新；后将预处理模块的输出输入到特征推理模块，合成破损图像的部分内容；将前面两个模块交替迭代共6次，每一次都对修复的特征图进行保存；最后一次修复完成后，将修复过程中生成的所有特征图合并为一个通道的固定特征图，最后经过自适应重影融合模块完成修复，生成最终结果。本发明涉及的技术方案，其能够针对大区域缺失图像进行修复，使修复后的内容细节更加清晰，边缘更加平滑，结构更加合理。

主权项：1.一种基于自注意力机制的循环特征推理的图像修复方法，其特征在于，包括以下步骤：S1、构建总体SA-RFR网络结构，所述SA-RFR网络结构包括预处理模块、特征推理模块以及自适应重影融合模块；S2、在SA-RFR网络结构中以端到端的方式进行训练：给定一个真实图像Igt，一个二进制掩码M，生成一个破损的输入图像Iin，将生成的破损图像Iin和对应的蒙版作为输入，输入至预处理模块；S3、运用所述预处理模块对破损图像及其蒙版先后进行4次部分卷积操作，在进行第一次部分卷积后加入一个自注意力机制层进行自注意力机制操作，将图像区域局部的细节信息和相对距离较远的细节信息相互关联，实现特征图谱的提取以及蒙版的判定和更新；S4、将所述预处理模块更新后的蒙版和特征映射输入到特征推理模块，根据已知信息修复出具有高层语义特征的特征图谱；S5、将所述预处理模块与所述特征推理模块的处理操作进行6次交替循环迭代，并且保存每一次循环迭代后修复的特征图谱；S6、自适应重影融合模块先把前面6次迭代生成的特征图合并在一起，然后使用自适应重影卷积代替普通卷积，通过三个自适应重影卷积层，处理后输出的特征图谱与特征推理模块最后一次迭代生成的特征图谱连接在一起，再经过一个ReLU激活函数层输出，生成最终的图像修复结果。

全文数据：

权利要求：

百度查询： 长沙理工大学 一种基于自注意力机制的循环特征推理的图像修复方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD