人工智能毕设之基于深度学习+pyqt的老照片修复系统

1. 1. 研究意义

老照片作为一个人特定时期的影像记录，具有不可替代、不可复制的特点，即使到了今天，照片影像仍然很重要。现代的照片可以转换成电子版永久保存，不必担心、损坏、发霉。相比电子照片，老照片更显得珍贵，老照片都是纸质的、氧化、受潮会渐渐地破坏着老照片且不可逆，即使保存得再好，也只能保存不到百年，所以破损的老照片保存修复就成了一种必需的作。而人工修复老照片费时费力，并且因为修复工作人员的技术水平存在差异性，所以修复的照片存在质量参差不齐的情况。而随着计算机技术的发展，使用计算机进行老照片修复成为必然性。

老照片修复的价值主要有以下几方面：

(1)）对图片进行有效的处理后，出一个清晰完善，能够满足人们需求的照片。

(2)）有些老照片存在一些史学价值，但由于照片损坏难以使用，修复照片可以为历史考察做出一些补充佐证。

(3)）有些老照片承载着一些人的回忆，修复这些照片可以为人们提供情感价值。

对于照片修复后所得到的图像质量有了进一步提升。因为在重建过程中发现很多不好记录和错误信息；如:边缘模糊等问题导致无法复原，或者照片恢复到原始场景状态出现失真现象影响整体效果与使用价值等等，这些因素会影响图片的处理，从而使其变得更加优秀,更满足实际需要。

1. 1. 国内外老照片修复的发展趋势

国内外对于老照片修复系统已经有很多学者做深入研究工作并取得一定成果，但还没有找到一个成熟的解决方案。如BP神经网络等进行图像分割、图片压缩以及匹配处理；可以将深度学习应用于图像增强中,这些技术仍需要进一步完善和发展改进。由于对图像处理质量有着一定程度的不足，在实际应用中,可以使用一些其他算法来提高图像质量。其中数字图像处理(gital Image Processing)种基于边缘特征信息提取算法。深度学习的提出,,像检索技术从传统查询转向了自动识别。它是基于统计特征在像素点上进行搜索与提取。通过对大量图片样本进行分类训练和分析来预测其可能被标记为感兴趣区域并给出一个期望值作为描述空间或类似于特定目标的潜在信息,实现快速、高效地的解图像内容。

目前,老照片修复的研究主要集中在两个方面:一是对传统的图像重建方法进行改进。例如基于深度学习算法来提取视频中重要场景信息和纹理特征等；二是从不同角度分析图片边缘检测技术与修复效果。

1. 1. 本文主要创新点

本文的主要内容是对现有算法进行改进,计出一种能够满足不同场景下,响应于老照片修复需求的深度学习模型。算法原理简单来说就是用变分自动编码机（VAE）将图像变换到隐藏空间，并在隐空间进行图像恢复操作。主要思想是包含两个部分，训练两个变分自编码器（variational autoencoder，VAE）和一个latent space 映射网络。

我们通过一种空间域转换的方法来利用真实的老照片和大量合成的老照片.三个域区域别是真实的老照片的域 R 、合成的低质照片的域 X 、真实的高质照片（GT）的域 Y 。

首先把R,X,Y都映射到latent空间,直接把x->Zx,r->Zr ,y->Zy；由于是x合成的照片,r是真实的老照片,有共同的特征,通过一些约束手段让Zx靠近Zr,最后共享这个域,即ZR约定于Zx,这个latent空间就做作为损坏图像的编码器,无论是合成图像,还是真实的老照片. 由于 x 是由 y 合成，两者之间存在联系，可以将Zx转换到Zy，再由Zy恢复出y。这样就形成了一个弱监督，通过拉近Zr与Zx，然后借助从zx到y的途径来恢复出高质量的y。这就是本文三域转换的主要思想。

【人工智能毕设之基于深度学习+pyqt的老照片修复系统】 https://www.bilibili.com/video/BV1oZ4y1C7q8/?share_source=copy_web&vd_source=3d18b0a7b9486f50fe7f4dea4c24e2a4