摘要
图像修复，包括图像去噪、超分辨率重建、图像修补等，是计算机视觉和图像处理领域中一个研究得较为透彻的问题，同时也是低层次图像建模算法的测试平台。在本研究中，我们提出了一种用于图像修复的非常深的全卷积自编码器网络，该网络采用对称的卷积-反卷积层编码-解码框架。换句话说，该网络由多层卷积和反卷积算子组成，学习从受损图像到原始图像的端到端映射。卷积层捕捉图像内容的抽象特征并消除噪声，而反卷积层则具备上采样特征图并恢复图像细节的能力。为了应对更深网络训练难度增大的问题，我们提出通过跳跃层连接（skip-layer connections）对称地链接卷积层和反卷积层，这使得训练过程收敛速度更快且能够获得更好的结果。