计算机毕业设计--基于深度学习的图像修复算法（含有Github代码）

基于深度学习的图像修复算法

Abstract

在图像获取和传输过程中，往往伴随着各种形式的损坏，降低了图像质量和对图像信息的准确解释，一些老照片因为保存不当也会变得存在污渍或者破损缺失。图像修复技术主要用来修复日常生活中被噪声污染或者人为破坏的破损图像，也可应用于替换图像中的小区域或者瑕疵。目前，图像修复工作仍然由经验丰富的图像修复师来完成，让图像修复借助深度学习算法实现自动化日趋成为该领域的发展方向。本课题基于深度学习算法和图像处理技术，设计并开发一款图像修复深度学习算法程序，该程序能够对使用者上传的照片进行自动分析，根据用户需要修复照片损坏部分，提高照片的清晰度和观赏性。

概述****本课题是基于深度学习的图像修复，模型设计思路来自于国际顶级会议论文思路，模型构建使用pytorch。 最近的研究表明，在图像修复问题中建立远程相互作用模型具有很高的重要性。为了实现这一目标，现有的方法要么利用独立注意力技术，要么利用Transformer。但是，考虑到计算成本，并且通常需要修复低分辨率下的图像。本课题提出了一种新的基于Transformer和卷积的图像修复模型，该模型能够有效处理高分辨率图像。具体来说，我设计了一个面向绘画的Transformer，并结合卷积的上下采样和图像风格迁移技术来实现缺失或者模糊图像的修复。该模型由以下几个几个主要部分组成：卷积头、Transformer、卷积尾和风格迁移模块。卷积头负责从输入图像和掩码中提取视觉标记。它包括四个3*3卷积层，用于更改图像维度和下采样。Transformer是模型的主要组成部分，由五个不同分辨率的Transformer组成。使用多头情境注意力对长距离互动进行建模。卷积尾用于对输出标记的空间分辨率进行上采样以匹配输入大小。风格迁移模块旨在实现多元化生成并增强输出的多样性。它通过使用额外的噪声输入在重建过程中更改卷积层的权重归一化来操纵输出。该模块还结合了图像条件样式和无噪声样式，以增强噪声输入的表示能力。

代码链接：

GitHub链接
打不开的话GitHub地址在这里：https://github.com/zxx1218/imgfix.git
没有科学上网工具打不开GitHub用这个gitee连接：Gitee
gitee：https://gitee.com/zxx1218/imgfix.git

模型演示（分控制台演示和另外开发的QT界面展示）：

通过QT界面演示
图像修复-QT界面展示

通过控制台（终端）界面演示：

图像修复-终端演示

训练用数据集

人脸公开数据集CelebA-HQ：链接：https://github.com/tkarras/progressive_growing_of_gans 制作机构：Tero Karras, Samuli Laine, Timo Aila 和 NVIDIA 的研究人员制作
场景公开数据集Places2：链接：http://places2.csail.mit.edu/download.html 制作机构：斯坦福大学和微软研究院共同制作
街景公开数据集Paris StreetView：链接：http://opendata.paris.fr/explore/dataset/photos-de-rue-a-paris/ 制作机构：巴黎市政府
文理公开数据集DTD：链接：http://www.robots.ox.ac.uk/~vgg/data/dtd/。制作机构：英国牛津大学计算机视觉研究团队
建筑公开数据集Façade：链接： GitHub上的项目：https://github.com/shannontian/facade-parsing 官方网站：CMP Facade Database 数据集共享平台：https://www.vision.ee.ethz.ch/datasets_extra/facade/ 制作机构：Czech Technical University in Prague (捷克技术大学)