《表2 不同边缘质量下图像修复网络的PSNR d B》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结合边缘信息和门卷积的人脸修复算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了分析边缘质量对图像修复结果的影响，将Canny边缘强度图在阈值T为0.1、0.2（参考标准边缘）、0.3、0.5和0.7情况下生成的边缘图分别与遮挡面积为25%的测试图像作为图像修复网络输入，图像修复结果如图7所示。为了客观评价修复图像的质量，利用峰值信噪比（peak signal-to-noise ratio，PSNR）进行评估，如表2所示，其值越大，效果越好。可以看出，图像修复网络针对不同边缘质量的修复效果相对比较鲁棒。当边缘图信息过于细致，对修复网络的过度约束导致局部图像细节失真，增加了与原图之间的差异。随着边缘信息严重减少，其引导图像修复的能力变弱，导致人脸特征位置和形状的修复具有较大的随机性，降低了与原图之间的相似程度。比如，在鼻子、嘴巴等部位出现更加明显的边缘模糊现象。而当阈值为0.2时，修复图像质量最好。为此，本文算法边缘修复网络在训练时，以阈值0.2时边缘图为参考边缘标签。