基于注意力机制和多尺度特征融合模块的人脸图像修复方法

基于深度学习的人脸图像修复算法在获取深层特征时会造成信息丢失,容易忽略图像语义特征而产生结构不合理的修复结果,不利于纹理细节修复。为了解决这些问题,本文提出了使用卷积注意力模块和多尺度特征融合模块改进人脸图像修复网络。首先,提出了基于卷积注意力模块的人脸图像修复方法,增强人脸图像语义修复的能力,确保所提模型能够生成清晰的纹理修复结果,同时使用多尺度特征融合模块获取图像深层特征,通过融合多尺度特征来减少卷积过程中的信息丢失。其次,设计了一个具有正则化的CNN编解码结构,以解决修复网络产生过拟合的现象,并且提升网络的泛化能力。通过在FFHQ数据集上进行定量实验分析,当掩码比例较大时,峰值信噪比、结构相似性指数和平均绝对误差指标分别达到21.704 2 dB、0.749 2和0.041 8,证明所提出的方法优于现有的图像修复方法,能较好地重建具有完整的信息、纹理细节清晰的人脸图像。