声明
第1章 绪论
1.1 课题研究背景和意义
1.2 国内外研究现状
1.2.1 基于结构的图像修复
1.2.2 基于纹理的图像修复
1.2.3 基于深度学习的图像修复
1.3 研究目标和主要内容
1.4 论文的组织结构
第2章 相关理论基础
2.1 编码解码模型的基本理论
2.1.1 算法概述
2.1.2 自动编码器模型
2.2 注意力机制的基本理论
2.2.1 基本思想
2.2.2 基本原理
2.3生成对抗网络的基本理论
2.3.1 原始生成对抗网络的基本理论
2.3.2 生成对抗网络的优化及衍生模型
2.3.3 条件生成对抗网络的基本理论
2.4 修复效果评价指标
2.4.1 主观评价
2.4.2 客观评价
2.5 小结
第3章 基于编码解码模型与卷积块注意力的人脸修复
3.1 上下文编码器
3.2 全局与局部一致的修复模型
3.3 模型改进
3.4 实验结果及分析
3.4.1 数据集
3.4.2 实验环境
3.4.3 模型改进前后的对比实验
3.5 小结
第4章 基于多通道注意力选择生成对抗网络的人脸修复
4.1 模型框架
4.1.1 图像生成子网
4.1.2 多通道注意力选择模型
4.1.3 损失函数
4.2 算法流程
4.3 实验结果及分析
4.3.1 数据集
4.3.2 实验环境
4.3.3 实验结果分析
4.4 小结
第5章 系统设计与实现
5.1 系统设计
5.1.1 功能需求分析
5.1.2 系统框架流程
5.2 界面展示
5.2.1 图像上传
5.2.2 图像修复
5.3 本章小节
结论
总结
展望
参考文献
附录A 攻读硕士学位期间参加科研情况说明
致谢
湖南大学;
