计算机科学与探索

作者：罗海银, 郑钰辉

单位：1.南京信息工程大学 计算机学院、软件学院、网络空间安全学院,南京 210044；2.南京信息工程大学 数字取证教育部工程研究中心,南京 210044

关键词：计算机视觉,图像修复,深度学习,单元图像修复,多元图像修复

基金：国家自然科学基金(61972206);国家自然科学基金(62011540407);江苏省“六大人才高峰”高层次人才项目(RJFW-015)

图像修复是指恢复图像中受损区域像素,使其尽可能地与原始图像保持一致。图像修复不仅在计算机视觉任务中至关重要,同时也是其他图像处理任务研究的重要基石。然而现存图像修复相关总结研究较少,为了更好地学习和推进图像修复任务研究,对近十年的经典图像修复算法和极具代表性的深度学习图像修复方法进行了回顾和分析。首先,简单概述了经典的传统图像修复方法,并将其分为基于偏微分方程和基于样本的图像修复方法,同时进一步分析了传统图像方法局限性;着重分类且阐述了现有基于深度学习的图像修复方法,根据模型输出图像数量的不同,将其划分为单元图像修复和多元图像修复,结合方法应用图像、损失函数、类型、优势以及局限性对不同方法进行分析总结。之后,详述了图像修复方法常用数据集和定量评价指标,并给出图像修复方法在不同图像数据集上修复不同面积损坏区域的定量数据,根据定量数据对比分析了基于深度学习的图像修复方法性能。最后,归纳分析了现有图像修复方法的局限性,并对未来重点研究方向提出了新的思路和展望。

来源：2022年第10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2022年第10期