| 基于MD-CBAM的多样性裂缝图像修复方法 |
| |
| 引用本文： | 李良福,蒲应丹,黎光耀,殷小虎,李津.基于MD-CBAM的多样性裂缝图像修复方法[J].光电子．激光,2024,35(4):351-359. |
| |
| 作者姓名： | 李良福 蒲应丹 黎光耀 殷小虎 李津 |
| |
| 作者单位： | 陕西师范大学大学 计算机科学学院，陕西 西安 710000,陕西师范大学大学 计算机科学学院，陕西 西安 710000,陕西师范大学大学 计算机科学学院，陕西 西安 710000,冀东水泥铜川有限公司，陕西 铜川 727199,陕西师范大学大学 计算机科学学院，陕西 西安 710000 |
| |
| 基金项目： | 国家自然科学基金(61573232)和陕西省自然科学基金(2022JM-335)资助项目 |
| |
| 摘 要： | 大多数现有的桥梁裂缝图像修复方法为单一目标修复，无法根据孔洞周边的有效信息生成多种合理的填充内容且修复结果存在结构扭曲和纹理模糊的问题。本文提出了一种基于掩膜距离卷积块注意力模块(mask distance convolutional block attention module, MD-CBAM)的多样性裂缝图像修复网络，该方法主要由多样性结构生成器与纹理生成器组成。提出区域结构注意力以降低遮挡区域像素与有效像素的差异性，根据掩膜特征对注意力分数进行平均池化处理，提高模型对遮挡区域的推断能力。设计MD-CBAM模块用以在纹理生成阶段合成高质量的特征，该模块利用特征之间的距离信息与语义信息，有效增强了模型填充大孔洞的能力。实验结果表明，本文方法修复的图像具有更为明确的结构和更加合理的纹理，在各掩膜比例下峰值信噪比(peak signal-to-noise ratio,PSNR)和FID(Fréchet inception distance)均达到最优，其中PSNR在掩膜比例为0.4,0.5)时增加了0.22—2.38 dB且结构相似度(structural similarity,SS...
|
| 关 键 词： | 多样性图像修复 掩膜距离卷积块注意力模块(MD-CBAM) 裂缝图像 深度学习 |
| 收稿时间： | 2022/8/28 0:00:00 |
| 修稿时间： | 2022/11/20 0:00:00 |
Diversity crack image inpainting method based on mask distance convolutional block attention module |
| |
| LI Liangfu,PU Yingdan,LI Guangyao,YIN Xiaohu and LI Jin.Diversity crack image inpainting method based on mask distance convolutional block attention module[J].Journal of Optoelectronics·laser,2024,35(4):351-359. |
| |
| Authors: | LI Liangfu PU Yingdan LI Guangyao YIN Xiaohu and LI Jin |
| |
| Abstract: | |
| |
| Keywords: | diversity image inpainting mask distance convolutional block attention module (MD-CBAM) crack images deep learning |
|
| 点击此处可从《光电子．激光》浏览原始摘要信息 |
|
点击此处可从《光电子．激光》下载全文 |
|
