买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：陕西师范大学

摘要：一种基于双编码器和上下文信息的古画修复方法，由建立古画修复数据集、构建古画修复网络、训练古画修复网络、保存模型、验证古画修复网络、测试古画修复网络步骤组成。本发明在古画修复网络的门控编码分支中引入了门控卷积层，用其动态特征选择机制，有效地捕获了古画的语义信息，减少了语义信息的丢失。引入了密集多尺度特征融合模块，保证了低参数量的同时，提高了特征的丰富性和连续性。采用了上下文特征聚合模块，建立了长距离的空间预测，提高了上下文特征之间的相关性。在训练古画修复网络步骤中，采用了色彩损失函数，保留了古画中的色彩信息。对比实验结果显示，本发明能够有效地恢复古画原作的色彩和纹理细节。

主权项：1.一种基于双编码器和上下文信息的古画修复方法，其特征在于由下述步骤组成：1建立古画修复数据集从博物馆网站中获取的千里江山图、汉宫春晓图、富春山居图以及清明上河图作为样本数据来源，将其裁剪成高H宽W为256×256像素的古画样本，构成古画修复数据集，将古画修复数据集按照7：2：1划分为训练集、验证集、测试集；2构建古画修复网络古画修复网络由生成器与判别器串联构成；所述的生成器由编码器与上下文特征融合模块、解码器依次串联构成；所述的编码器由普通编码分支、门控编码分支、Concat层1联接构成，普通编码分支、门控编码分支的输出端接Concat层1；所述的判别器由局部分支、全局分支、Concat层3、Sigmoid层联接构成；局部分支、全局分支的输出端通过Concat层3接Sigmoid层；3训练古画修复网络1确定网络整体损失函数网络整体损失函数LT包括对抗损失函数Ladv、特征匹配损失函数Lfm_dis、平均绝对误差损失函数Lmae、色彩损失函数Lc；按下式确定对抗损失函数Ladv： 其中，xr表示真实古画，xf表示修复结果，DRa表示相对论平均判别器，为小批量中所有假数据的均值，为小批量中所有真数据的均值；按下式确定特征匹配损失函数Lfm_dis： 其中，Ig和Io分别表示真实图像和生成图像，DlIg表示真实图像在判别器中的第l个ReLU激活层的特征，DlIo表示生成图像在判别器中的第l个ReLU激活层的特征，表示真实图像的数量，ωl表示第l个ReLU激活层的权重，‖·‖1表示L1范数；按下式确定平均绝对误差损失函数Lmae： 其中，yi表示生成结果，xi表示真实图像，n为样本数，n取值为有限的正整数；按下式确定色彩损失函数Lc： 其中，和分别表示输出图像与目标图像经过高斯模糊方法处理后的结果；按下式确定整体损失函数LT：LT＝λ1Ladv+λ2Lfm_dis+λ3Lmae+λ4Lc其中，λ1为对抗损失函数Ladv的权重，λ2为特征匹配损失函数Lfm_dis的权重，λ3为平均绝对误差损失函数Lmae的权重，λ4为色彩损失函数Lc的权重，λ1、λ2、λ3、λ4的取值为实数；2训练古画修复网络将古画修复训练集输入到古画修复网络中进行训练，学习率为0.0001，批处理大小为4，采用Adam优化器优化生成器和判別器的参数，训练至模型整体损失函数LT收敛；4保存模型在训练古画修复网络的过程中，每迭代500次，保存一次权重文件；5验证古画修复网络将验证集输入到训练后的古画修复网络中进行验证；6测试古画修复网络将测试集输入到训练后的古画修复网络中进行测试，加载权重文件，得到修复后的古画。

全文数据：

权利要求：

百度查询： 陕西师范大学 基于双编码器和上下文信息的古画修复方法