计算机科学与探索

作者：石计亮, 张乾, 杨思红, 刘霜, 滕林, 柏武贰

单位：1. 贵州民族大学 数据科学与信息工程学院，贵阳 5500252. 贵州省模式识别与智能系统重点实验室，贵阳 5500253. 贵州民族大学 教务处，贵阳 550025

关键词：图像修复,辅助结构,注意力机制,对比学习

基金：贵州民族大学校级科研项目（GZMUZK[2021]YB23）。

针对现有图像修复方法存在参数量大、计算复杂度高以及大面积受损图像修复产生结构模糊或扭曲问题，提出一种图像平滑结构引导的轻量级图像修复方法。该方法由结构重建网络、结构增强网络和纹理修复网络组成。结构重建网络重建受损的边缘保留平滑图像，生成粗糙的平滑图像。结构增强网络进一步精细化该平滑图像，增强其连贯性，为RGB图像修复提供可靠的辅助结构信息。纹理修复网络利用增强后的结构信息调节修复过程，以重建受损的RGB图像。在编码阶段，为避免不同尺度的结构信息丢失，使用辅助特征聚合模块将多尺度结构信息融合到修复过程。在解码阶段，为了在图像缺失区域合成清晰的纹理和语义结构，使用特征合成模块对输入特征图建模局部和全局上下文，从而得到更合理的修复效果。此外，引入基于对比学习的对比损失以稳定和改进模型的训练效果。在CelebA-HQ、FFHQ、Paris StreetView以及Dunhuang数据集上进行实验，实验结果表明，该方法在参数量为9×106、计算复杂度为29 GFLOPs的情况下，修复效果均优于对比方法。

来源：2025年第8期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第8期