Devido às limitações dos métodos atuais de restauração de imagens em aproveitar plenamente a região completa para prever características das áreas faltantes quando as características-alvo estão severamente ausentes, resultando em descontinuidades nas características e texturas borradas nos resultados da restauração, este artigo propõe um método de restauração fina de imagens defeituosas baseado na fusão de características intra e extra campo (EFIF). Primeiramente, utilizando o algoritmo aprimorado de rede de memória dinâmica (DMN+), as características intra campo da imagem defeituosa e as características extra campo relacionadas são fundidas, gerando uma imagem defeituosa otimizada contendo características intra e extra campo; em seguida, uma rede adversarial generativa com condição de penalização de gradiente é construída para orientar o gerador a realizar uma restauração grosseira da imagem defeituosa otimizada, obtendo uma imagem de restauração grosseira do objeto a ser restaurado; por fim, por meio da ideia de coerência das características relacionadas, a imagem de restauração grosseira é otimizada adicionalmente para obter a imagem final de restauração fina. Foi validado em três conjuntos de dados de imagens com diferentes níveis de complexidade e comparado visual e objetivamente com modelos dominantes existentes. Os resultados experimentais mostram que o modelo proposto oferece resultados de restauração com estrutura de textura mais razoável, superando outros modelos em efeitos visuais e dados objetivos, alcançando no conjunto de dados mais desafiador Underwater Targe um pico de relação sinal-ruído (PSNR) máximo de 27,01 e índice de similaridade estrutural (SSIM) máximo de 0,949.

imagens defeituosas; coerência de características relacionadas; restauração fina; mecanismo de atenção; características intra e extra campo