기존 이미지 복원 방법은 대상 특성이 심각하게 결손되었을 때 완전한 영역을 충분히 활용하여 결손 영역 특성을 예측하지 못해 복원 결과의 특성 불연속, 세부 질감 흐림 등의 문제를 초래한다. 본 논문은 장내외 특성(EFIF) 융합에 기반한 결손 이미지 정밀 복원 방법을 제안한다. 우선, 개선된 동적 기억 네트워크(DMN+) 알고리즘을 이용하여 결손 이미지의 장내 특성과 관련된 장외 특성을 융합하여 장내외 특성이 포함된 결손 이미지 최적화 영상을 생성한다. 다음으로, 그래디언트 페널티 제약 조건이 있는 생성적 적대 신경망을 구축해 생성기가 최적화된 결손 이미지를 거칠게 복원하도록 지도하여 복원 대상의 거칠게 복원된 영상을 얻는다. 마지막으로 관련 특성 연속성 개념을 통해 거칠게 복원된 영상을 추가 최적화하여 최종 정밀 복원 영상을 얻는다. 복잡도가 다른 세 가지 이미지 데이터셋에서 시뮬레이션 검증을 수행하였으며 기존 우세 복원 모델과 시각적 효과 및 객관적 데이터를 비교하였다. 실험 결과 본 모델은 텍스처 구조 측면에서 더욱 합리적인 복원 결과를 보여주었으며, 시각적 효과와 객관적 데이터 모두에서 타 모델보다 우수하였다. 가장 도전적인 Underwater Targe 데이터셋에서 제안 알고리즘의 최고 피크 신호 대 잡음비(PSNR)는 27.01, 구조적 유사도 지수(SSIM)는 0.949였다.

결손 이미지; 관련 특성 연속성; 정밀 복원; 주의 메커니즘; 장내외 특성