2025, 42(1):9-19.
摘要:目的 针对现有图像修复方法不能很好地实现结构和纹理信息之间的双向交互,在修复缺失面积较大或纹理复杂的图像时存在纹理模糊、结构失真等问题。 方法 提出了一种基于双向坐标注意融合模块和傅里叶特征聚合模块的二阶段网络图像修复方法。 首先,使用结构编-解码器和纹理编-解码器对受损图像进行结构重建和纹理合成,产生初步的修复结果;然后,将粗修复结果输入到细化修复网络,利用双向坐标注意融合模块和傅里叶特征聚合模块对图像内部纹理细节进行修复;为增强全局一致性,设计了双向坐标注意融合模块来实现结构和纹理信息之间的双向交互,并设计了傅里叶特征聚合模块,用于捕获全局上下文信息,增强图像局部特征之间的相关性,以获得精细的修复结果;此外,还利用双流判别器来估计结构和纹理的特征统计量,以区分原始图像和生成图像。结果 在 CelebA-HQ 数据集上进行实验,与 4 种图像修复方法进行比较,定性结果表明方法生成的人脸图像更加清晰自然;定量结果表明方法在峰值信噪比、结构相似性指数和弗雷歇距离上均优于对比算法;对模型中各模块的消融实验结果也验证了所提出创新点的有效性。 结论 因此,所提出的方法能够有效地修复受损的人脸图像,特别是在大面积遮挡下也能生成具有结构合理、纹理清晰的图像。
2025, 42(4):9-16.
摘要:目的 针对基于生成对抗网络的图像修复模型,在修复不规则大面积缺损图像时,存在细节特征信息还原不准确、图像视觉效果欠佳及训练不稳定等缺陷问题,提出了一种基于双判别器的 Wasserstein 生成对抗网络图像修复模型。 方法 该方法首先以编码器-解码器结构的卷积神经网络作为生成器,在生成器的编码器和解码器之间添加跳跃连接,以更好地学习图像细微特征并提升最终的修复效果;接着在全局判别器基础上引入局部判别网络,以保证局部修复结果与周围区域的一致性,并在判别器中引入 Wasserstein 距离,从而使网络的训练更加稳定以获得较为自然的图像修复效果;最后设计 VGG16 特征提取器以引入感知损失和风格损失,通过添加多个损失函数来提升图像复原效果。 结果 在公开人脸、场景和街景数据集上进行对比分析,验证出所提出的方法定性和定量分析结果均优于对比模型,其性能评价指标值更高。 结论 实验结果表明:所提出的方法在修复不规则大面积缺损区域的图像时,修复图像更清新,视觉效果更好。
2025, 42(3):63-69.
摘要:目的 针对 JPEG 压缩反取证方法在生成图像质量与反取证性能之间平衡不足的问题,设计了一种融合多级残差块和通道注意力机制的反取证模型 RBAM-JAF,以提高生成图像的质量,促使反取证性能和图像质量之间达到更好的平衡。 方法 采用基于生成对抗网络的框架,包括生成器和鉴别器两部分,其中,生成器引入多级残差块和通道注意力机制,使模型具有更好的泛化性,增强图像特征表示的能力;添加特征融合模块,以充分利用所有卷积层的特征,提高生成图像的质量。 结果 实验结果显示,与现有的 4 种反取证方法 M1 、M2 、M3 和 M4 相比,在 QF = 25的情况下,PSNR 值分别增长了 8. 52%、3. 31%、1. 52% 和 0. 07%,SSIM 值分别增长了 12. 89%、2. 46%、1. 90% 和0. 55%;在 QF = 50 的情况下,PSNR 值分别增长了 10. 22%、2. 21%、0. 88% 和 0. 19%,SSIM 值分别增长了 9. 71%、1. 52%、0. 64%和 0. 21%;在 QF = 75 的情况下,PSNR 值分别增长了 18. 26%、3. 56%、3. 80%和 2. 96%,SSIM 值分别增长了 10. 83%、1. 58%、1. 16%和 0. 52%。 此外,通过 4 种取证检测器的检测,QF = 25、50 和 75 时,AUC 值均接近或低于 0. 5。 结论 实验结果显示:方法 M5 与现有的反取证方法相比,提高了生成图像的视觉质量且能够有效地欺骗现有的取证检测器,使反取证性能和生成图像质量之间达到了更好的平衡。