[发明专利]一种基于特征交互的深度学习图像修复方法

权利要求书

1.一种基于特征交互的深度学习图像修复方法，其特征在于，步骤包括：

构建特征交互式的卷积神经网络模型作为交互式图像修复模型；所述交互式图像修复模型包括高分辨率分支和低分辨率分支，所述高分辨率分支和低分辨率分支在网络的正向过程中相互交互信息但又有独立工作，所述高分辨率分支维护处理具有固定分辨率的一系列特征，所述低分辨率分支处理图像的高级信息并且随着传播的进行而将特征尺度按比例缩小；

将待修复图像输入所述交互式图像修复模型，输出修复图像。

2.根据权利要求1所述的一种基于特征交互的深度学习图像修复方法，其特征在于，在交互式图像修复模型的正向过程包括依次连接的初始阶段、中间多级处理阶段和最终融合阶段，待修复图像依次经过初始阶段、中间处理阶段和最终融合阶段后输出修复图像，通过初始阶段将待修复图像拆分成两种特征并分向高分辨率分支和低分辨率分支，通过中间多级处理阶段对高分辨率分支和低分辨率分支进行处理，通过最终融合阶段对高分辨率分支和低分辨率分支进行融合后后输出修复图像。

3.根据权利要求2所述的一种基于特征交互的深度学习图像修复方法，其特征在于，所述中间多级处理阶段包括第二阶段、第三阶段和第四阶段进行修复获得最终的修复图像；所述第二阶段、第三阶段和第四阶段均包含了修复、交互和聚合操作；

在所述初始阶段将输入待修复图像通过修复、拆分和聚合操作将图像特征处理为两种特征，一种特征的分辨率和输入待修复图像保持一致，另一种特征的分辨率将变换为待修复图像分辨率的1/2；

第二阶段将初始阶段得到的两种特征，通过通过修复、拆分和聚合操作得到新的两种特征，而这两种新的特征的分辨率分辨为原始分辨率和原始分辨率的1/4；

第三阶段将第二阶段得到的两种特征，通过通过修复、拆分和聚合操作，得到原始分辨率特征和分辨率分别为1/8的两种特征；

第四阶段将第三阶段得到的两种特征，通过通过修复、拆分和聚合操作，得到原始分辨率特征和分辨率分别为1/16的两种特征。

4.根据权利要求3所述的一种基于特征交互的深度学习图像修复方法，其特征在于，在所述初始阶段包括步骤：

配备一个堆叠残差块处理单一分辨率的图像输入特征，提取高级特征，对输入的待修复图像进行修复；

再进行拆分处理，修复后的图像特征通过拆分模块拆分成两种特征并分向高分辨率分支和低分辨率分支两个分支；

再通过聚合操作进一步提取图像特征，产生分辨率为原始分辨率和原始分辨率的1/4的两种特征。

5.根据权利要求4所述的一种基于特征交互的深度学习图像修复方法，其特征在于，第二阶段依次进行修复、交互和聚合操作，包括步骤：

对初始阶段处理后的图片进行修复，将初始阶段处理后的两个分支特征分别输入第二阶段的高分辨率分支的修复模块和低分辨率分支的修复模块，在高分辨率分支和低分辨率分支两个分支中分别采用残差块堆叠而成的修复模块，以处理初始阶段产生的两种类型的特征，其中堆叠残差块旨在提取高级特征；

再进行交互处理，修复后的图像特征分别输入第二阶段高分辨率分支的交互模块和低分辨率分支的交互模块，通过两个分支的交互模块让特征在高分辨率分支和低分辨率分支两个分支之间进行信息交互，并进一步对具有高通道低尺寸的低分辨率分支进行下采样；

再对各分支特征分别进行聚合操作，融合交互操作产生的不同种类信息，产生分辨率为原始分辨率和原始分辨率的1/4的两种特征。