图像修复论文可参考文献

所属分类：论文常识阅读273次时间：2021-08-23 17:29

本文摘要：参考文献是论文中的重要组成部分，也是写作图像修复论文重要的参考资料，然而作者自己查找文献有相应的难度，为此学术顾问在这里推荐了几篇图像修复论文可参考文献，作者可作为参考：文献一、基于相似图像配准的图像修复算法摘要传统基于纹理合成的图像

　　参考文献是论文中的重要组成部分，也是写作图像修复论文重要的参考资料，然而作者自己查找文献有相应的难度，为此学术顾问在这里推荐了几篇图像修复论文可参考文献，作者可作为参考：

山东科学

　　文献一、基于相似图像配准的图像修复算法

　　摘要传统基于纹理合成的图像修复算法只能从破损图像中提取有用信息,不能修复复杂结构;基于深度学习的修复算法训练时间长,纹理合成效果不理想。为解决上述问题,该文提出了一种基于相似图像配准的图像修复算法。首先提出一种破损图像的相似度计算方法,利用图像的深度学习特征,在数据库中寻找与之最为相近的图像,为修复过程提供更多的有效信息;然后对破损图像和相似图像进行配准,利用单应性变换实现图像空间位置的自动粗纠正;最后使用改进的最佳匹配块搜索方法和匹配准则来改善纹理合成效果,实现图像的最终修复。仿真实验结果表明,该方法可以获得较多的有用信息,产生良好的纹理合成效果,克服了传统算法和深度学习方法的缺点,即使对于具有复杂纹理信息和结构的破损图像,也能够得到良好的修复效果。

　　关键词深度学习特征匹配图像修复相似图像纹理合成

　　文献二、融合边缘检测和自注意力的图像修复方法

　　摘要针对修复后图像边界模糊、图像纹理不清晰、视觉效果差的问题,提出了一种融合边缘检测和自注意力机制的生成式对抗修复模型.通过边缘检测可提取出图像的轮廓信息,避免了修复后边界模糊的问题;利用自注意力机制能够捕获图像全局信息并生成图像精确细节的能力,设计出融合自注意力机制的纹理修复网络.该模型由边缘补全网络和纹理修复网络组成,首先,设计的边缘补全网络对受损图像的边缘进行补全,得到边缘补全图像;其次,利用纹理修复网络联合补全的边缘图像对缺失区域的纹理进行精确修复.在CelebA和Place2两个图像数据集上对本文所建模型进行了训练和测试.实验结果表明:本文所建模型与现有图像修复方法相比,大幅提高了图像修复的精确度,且生成的图像更加逼真.

　　关键词图像修复生成对抗网络自注意力机制边缘检测纹理修复

　　文献三、基于谱归一化条件生成对抗网络的图像修复算法

　　摘要基于生成对抗网络的图像修复算法在修复大尺寸缺失图像时,存在图像失真较多与判别网络性能不可控等问题,基于谱归一化条件生成对抗网络,提出一种新的图像修复算法。引入谱归一化来约束判别网络的判别性能,间接提高修复网络的修复能力,并根据控制判别网络性能对谱归一化进行理论分析。通过类别信息约束特征生成,保证修复图像的内容不变性,引入扩展卷积算子对待修复图像进行像素级操作,解决修复图像缺乏局部一致性的问题。在此基础上,运用PSNR、SSIM等图像评价方法及分片Wasserstein距离、Inception分数、流形距离度量、GAN-train和GAN-test等流形结构相似度评价指标对修复图像进行综合评价。实验结果表明,与CE、GL等算法相比,该算法获得的修复图像在主观感受和客观评价指标上均有明显提高。

　　关键词谱归一化条件生成对抗网络图像修复判别性能图像评价

　　以上都是图像修复可参考的文献，此外学术顾问推荐了一本图像修复论文文献投稿刊物：《山东科学》是山东省科学院主办的自然科学综合性学术期刊。面向高校、科研单位和各大企业的广大科技工作者，力求及时报道国内外未曾公开发表的具有原创性的自然科学各个主要领域在基础和应用研究方面的研究论文，前沿领域的综述和研究快讯，以及有创新性高水平的、有重要意义的最新科研成果。