文 献 综 述

摘要

本研究课题拟对当前计算机视觉中的图像修复问题进行研究，并尝试在相关数据上应用相关算法。本课题拟在现有的研究基础上，重点探讨当前基于生成对抗网络的图像修复模型，总结近几年最新的研究成果，研究其优化、改良、集成的方法，探索其在实际工程的应用。

一 引言

随着人工智能的发展，数字图像修复已经成为计算机视觉中一项重要的任务。数字图像修复是在保证图像的质量和它的自然效果不受破坏的前提下，利用图像中未损坏的信息，对图像中缺失信息进行修补或者对图像中特定信息进行移除的图像处理技术[1]。也就是说，修复工作的核心挑战在于为缺失的区域合成视觉逼真和语义上合理的像素，以便与现有的像素保持一致[2]。由于图像的广泛存在性，使得数字图像修复技术在艺术作品的保护，修复老旧照片中丢失、破损的信息，隐藏图片、视频中的错误信息，去除图片、视频中的文字以及基于图像的渲染和计算机摄影方面有很多的应用[3]。所以对数字图像的修复已经成为图像处理技术的热点。

本文首先描述了需要解决的问题及几种常规方案，随后介绍对抗生成网络在当前图像修复方面的解决方案，最后对现有方法进行了总结，指出了当前研究的存在的待改进的部分，对潜在的创新点进行了展望。

二 图像修复问题的定义

图像修复是指在一张图片中存在局部区域出现破损或空洞，需要利用已有的边缘信息来将这些破损区域进行修复或补全的工作。经典的图像修复方法主要采用局部或非局部的信息来修复缺失部分，而且大多数现有的方法主要针一对张图片进行修复。