全文总字数：4692字

1. 研究目的与意义及国内外研究现状

从文艺复兴时期的文物修复，到现在医学图像处理、天文遥感、艺术特效等领域，图像修复技术一直发挥着重要的作用。目前，在以下几个领域，都需要用到图像修复技术：

(1) 文物修复

古代的壁画、雕塑等文物由于自然灾害、人为破坏的原因，容易出现磨损、脱落等问题，为了还原当年的文化，需要对其进行修补复原。如前面提到的，一开始采用人工手动修复的方法，但耗时耗力，还容易对文物造成不可挽回的破坏。因此，可以通过数字扫描技术对文物进行扫描，再在电脑上完成图像补全和修复，这样不仅避免了可能的人工破坏，也大大提高了修复效率。

2. 研究的基本内容

图像修复是在图像中的已知区域的基础上，填充图像中的受损区域,以生成一张跟原图效果近似的图像的过程。图像修复技术的历史渊源非常久远，它起源于文艺复兴时期手工匠对破损艺术品的复原。但由于当时的技术条件有限，采用直接在原文物上进行手工修复的方法，这需要修复工作者具有高超的技艺和丰富的经验,还需要花费大量的时间，而且一旦出现错误，就会造成对文物的破坏。后来，出现了一些基于数学和物理的传统图形学的研究方法，但他们需要建立复杂精确的模型，且计算量较大。近年来，随着图像处理和计算机视觉领域的发展，基于深度学习的图像修复技术成为可能，该技术的应用可以降低人力成本和时间成本，且经过多次训练可以达到不错的效果，因此运用人工智能技术对破损的图像进行修复成为了图像修复研究者的新选择之一。

本文着重研究了基于深度学习的图像修复技术，图像修复的关键一步在于受损部分的图像生成，因此我们首先考虑使用生成式对抗网络（GAN）进行图像生成，并展示了在原始GAN上改进的模型DCGAN在手写数字集MNIST上训练后自动生成手写数字的案例。但是实验中发现由于生成式对抗网络的输入是一个随机噪声，所以模型过于自由，不能生成指定数字，因此在该模型基础上加一个限制条件，提出了条件对抗生成网络（cGAN），它能很好的控制生成的图像，而在众多cGAN的细化模型中，本文选择在“图像翻译”领域表现突出的pix2pix模型来进行图像修复。

3. 实施方案、进度安排及预期效果

第一阶段：2018.12.1—12.15，查阅大量文献资料，确定论文题目；第二阶段：2019.1.1—1.19，根据论文题目进行调研，按照指导教师所下任务书的具体要求，积极做好论文前期准备工作；第三阶段：2019.3.21—4.3，完成开题报告。

通过选题报告，对论文的框架和内容有一个大体的构思，并在指导老师的帮助下，整理相关资料、补学空白知识点，做好撰写论文的前期准备工作；第四阶段：2019.4.4—4.26，在导师的指导下，进一步分析整理资料，完成论文初稿。

在实际工作中验证相关论点，以完善论文的实际可操作性，并希望论文的方法和观点能在实际工作中得到应用和升华；第五阶段：2019.4.27—5.4，预答辩，与导师进行讨论，总结充实研究内容，并根据论点在实际工作中的应用对论文进一步修改；第六阶段：2019.5.5 论文定稿。

4. 参考文献

[1] bertalmio m, sapiro g, caselles v, et al. image inpainting [c]'. in proceedings of the 27th annual conference on computer graphics and interactive techniques, pp.417-424, 2000.

[2] chan t f, shen j. nontexture inpainting by curvature. -driven diffusions [j]'. joural of visual communication and image representation, vol.12, no.4, pp.436- 449, 2001

[3] criminisi a, perez p, toyama k. object removal by exemplar-based inpainting [c]'.computer vision and pattermn recognition, vol.2, pp.721-728, 2003.