申请/专利权人：齐鲁工业大学(山东省科学院)

申请日：2023-03-22

公开（公告）日：2024-03-19

公开（公告）号：CN116385289B

主分类号：G06T5/77

分类号：G06T5/77;G06T5/70;G06T5/60;G06V30/148;G06V30/19;G06N3/0455;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2023.07.21#实质审查的生效;2023.07.04#公开

摘要：本发明涉及一种基于渐进式的碑文文字图像修复模型及修复方法，属于计算机视觉领域，模型包括预处理模块、特征推理模块和自适应门控特征融合模块，预处理模块利用部分卷积对传入的掩码图和特征图进行卷积，并送到特征推理模块；特征推理模块与预处理模块进行连接重复处理4‑8次，然后将若干次得到的特征图传送到自适应门控特征融合模块，自适应门控特征融合模块通过加入门控卷积对真实图像进行渐进式修复，将若干个特征图合并成一个特征图得到修复后的图像。本发明利用带注意力机制的编码器和解码器结构，对于掩码图像的边缘进行修复，寻找质量最好的特征值去填充特征图，填补好的特征图进行保存，缩小掩码边界，从而达到渐进性的修复效果。

主权项：1.一种基于渐进式的碑文文字图像修复模型的修复方法，其特征在于，包括如下步骤：1碑文数据集收集；收集书法家的博物馆馆藏碑文的文本图像；2将收集的碑文数据集进行整理，对碑文数据集的单字进行提取；3利用Python生成相同图像大小的掩码数据集，将掩码图像和训练集的单字图像传入到碑文文字图像修复模型当中训练，保存训练之后得到的模型文件；4将待修复的图像，利用步骤3训练好的碑文文字图像修复模型机进行修复；碑文文字图像修复模型包括依次连接的预处理模块、特征推理模块和自适应门控特征融合模块；所述预处理模块包括两层部分卷积，用于根据掩码图对特征图进行有效像素的部分卷积并且对掩码图进行更新；所述特征推理模块包括编码器、解码器以及位于编码器和解码器之间的知识一致性注意力机制，编码器包括6层普通卷积，解码器包括3层普通卷积；所述自适应门控特征融合模块共9层，依次为反卷积、2层门控卷积、门控反卷积、门控卷积、门控反卷积、门控卷积、门控反卷积和门控卷积；预处理模块利用部分卷积对传入的掩码图和特征图进行卷积，将部分卷积后的结果对特征图进行更新，将更新后的掩码图和特征图经过正则化层和一层激活函数后，送到特征推理模块；特征推理模块用于根据需要修复的位置进行修复，得到修复后的特征图，然后将特征图反馈给预处理模块，预处理模块再输入特征推理模块输出特征图，特征推理模块跟预处理模块进行连接重复处理4-8次并保存每一次的特征图，然后将若干次得到的特征图传送到自适应门控特征融合模块，自适应门控特征融合模块通过加入门控卷积对真实图像进行渐进式修复，将若干个特征图合并成一个特征图得到修复后的图像。

全文数据：

权利要求：

百度查询： 齐鲁工业大学(山东省科学院) 一种基于渐进式的碑文文字图像修复模型及修复方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD