图像补全技术是指根据图像中缺失或损坏区域的上下文信息将图像补全为完整的图像,并达到真实、自然的补全效果。图像补全技术是低级视觉中的基本问题,目前已经引起了计算机视觉和图形领域的广泛兴趣。已有的图像补全方法大都基于面积较小或者位于图像中心的缺失区域,当缺失区域面积较大或者位于图像边缘位置时,补全结果便会产生空白、失真及伪彩色等现象。论文在已有方法的基础上提出了一种基于生成对抗网络的分级联合图像补全方法,即采用生成对抗的方式,对大面积和位于图像边缘位置的缺失区域进行分级联合补全。首先以补全网络的生成图像和原始完整图像之间的均方误差损失为目标函数,通过补全网络进行反复迭代,得到初步补全的图像;然后固定补全网络,将初步补全的图像划分为图像的全部区域、以补全区域为中心的区域和补全区域的中心区域三部分,并分别输入到对应的判别网络中进行反向传播训练;最后将补全网络和判别网络一起迭代训练。此外,还针对原始生成对抗网络训练的不稳定问题对网络结构做出了改进。该方法的优势在于:一方面,通过将图像进行分区,保证了补全结果的全局、局部一致性及生成的纹理信息的真实性;另一方面,通过添加局部判别网络并对原始网络结构进行调整,克服了原始生成对抗网络中训练不稳定的问题,从而克服了当缺失区域面积较大或者位于图像边缘位置时伪彩色的生成等问题。实验结果表明,本文提出的方法在补全具有大面积或者位于图像边缘位置的缺失区域时具有较好的结果,补全的结果更加真实、自然。