Поскольку существующие алгоритмы восстановления склонны к появлению артефактов и несоответствию семантики с исходным изображением при обработке больших областей повреждений, в статье предложен метод вторичного восстановления изображений на основе управляемой сверточной сети и переноса внимания. Метод усиливает влияние внутренней семантики восстанавливаемого изображения на сеть восстановления для обеспечения семантической согласованности результата. Сначала многоуровневая сверточная сеть выполняет грубое восстановление поврежденного изображения; затем результат подается в улучшенную сеть детализации, где с помощью управляемой сверточной сети и сети переноса внимания восстанавливаются внутренние текстурные детали изображения. В фазе кодирования и декодирования внедрен модуль SimAM в качестве механизма внимания для усиления способности фильтрации важной информации в восстанавливаемом изображении. Наконец, используется спектрально-нормированный марковский дискриминатор для различения реальных и поддельных данных и предоставления состязательной функции потерь. Перцептивные потери и мультискейл потери структурного сходства используются как восстановительные потери, которые комбинируются с состязательными потерями в качестве функции потерь. Сравнительные эксперименты с другими методами восстановления изображений показывают, что данный метод улучшает структурное сходство на 1,47 % и пиковое отношение сигнал-шум на 5,48 % по сравнению с лучшими результатами. Результаты восстановления более реалистичны и естественны, обеспечивая отличное восстановление при различных размерах повреждений.

Обработка изображений;Восстановление изображений;Управляемая свертка;Перенос внимания;Состязательные потери