基于深度学习的水下三维场景数据补全方法及系统

本发明公开了一种基于深度学习的水下三维场景数据补全方法及系统，涉及计算机图形学技术领域，解决了海底地形测绘数据中因声影遮挡、强滤波或语义分割产生的数据缺失的技术问题，其技术方案要点是构建基于程序化地形建模的合成训练集，提供高分辨率、大规模的训练数据；设计包含补全网络、上下文判别器和边界质量判别器的双判别器生成对抗网络，该网络通过三阶段渐进式训练策略实现网络的稳定收敛，同时实现了面向不同缺失尺度的自适应处理。其中边界质量判别器用于增强补全区域的边界连续性。本申请实现了多尺度水下三维数据的快速高质量补全，在保持计算效率的同时显著提升了补全区域的结构一致性，为实时水下测绘应用提供了有效解决方案。