数字技术与应用杂志社

摘要：<正>为恢复或改善受损图像的质量，获取清晰图像，本文基于生成对抗网络（GAN）的图像合成与修复方法进行探讨。该方法的生成器利用U-Net网络进行特征提取，并引入混合注意力机制融合提取特征后，经由U-Net网络完成图像合成。合成后的图像输入判别器中，并采用高斯滤波器来平滑图像，滤除高频细节并提取低频信息，然后再利用拉普拉斯算子突出图像的边缘与纹理特征，以此输出判别图像。随后，区分合成修复的图像和真实图像后重新回传至生成器中，并结合损失函数训练生成，提升生成器的合成和修复能力，最终输出高质量图像。测试结果显示，该方法具备较好的图像合成和修复效果，修复后图像能见度指数均在0.925以上。

专辑： 信息科技

专题： 计算机软件及计算机应用;自动化技术

分类号： TP391.41;TP18