基于结构因子和颜色聚类的墓葬图像修复算法

墓葬壁画图像颜色丰富,一旦破损会丢失大量结构信息。传统算法修复此类图像时,没有考虑图像强结构信息的优先精确修复,造成修复区域的过延伸和不连贯。针对上述问题,提出了一种基于结构因子和颜色聚类的墓葬图像修复算法。算法首先在待修复块优先级计算中加入结构因子项;其次,通过颜色FCM聚类算法划分区域进行相似块精确搜索;最后,根据均值像素差平方和(ASSD)与设定阈值的大小关系,自适应地对修复块尺寸进行调整以实现复杂结构区域的精确匹配。实验结果表明,所提方法对北齐墓葬壁画图像大面积缺损有很好的修复效果,与Criminisi算法比较,在结构相似度(SSIM)上至少提升5.68%。     

联合核预测和特征推理的渐进式壁画修复算法

针对现存深度模型修复壁画时,未兼顾像素级特征与语义级特征,而导致纹理精细度欠缺、结构扭曲等问题,提出一种联合核预测和特征推理的渐进式壁画修复算法.首先,设计区域渐进模块,通过部分卷积实现壁画特征渐进式映射.然后,提出双分支修复模块,其中核预测卷积分支实现破损区域的像素级修复;而语义特征推理分支中引入门控可变形卷积,并结合语义一致性注意力机制实现特征推理,完成破损壁画的语义级修复.最后,将双分支修复结果融合输出,最大限度地减少重构误差,提升修复精度.通过对敦煌壁画进行数字化修复实验,结果表明所提方法修复后的壁画具备较好的结构纹理特征,在评价指标上优于比较算法.     

一种结合结构和纹理特征修复敦煌壁画的方法

敦煌莫高窟艺术是集建筑、彩塑、壁画于一体的艺术.对莫高窟壁画要科学的、合理的保护和修复.文章根据敦煌壁画内容的特征,用户可以选择相应的纹理因子和结构因子权重,并通过优先度函数来确定填充顺序.在选取与待填充块最相似的匹配块时,以两者之间颜色差别的纹理合成算法为原形,充分考虑了结构的差别,提出了同时以颜色和梯度作为衡量两者之间的相似性量度的纹理合成算法.实验结果表明,对有刮痕和大的剥落块等破损区域的壁画,该方法都有很好的修复效果,并且保留了壁画原有的艺术风格.     

联合特征推理和语义增强的渐进式壁画修复

针对现有深度学习算法修复壁画图像时，未充分考虑破损区域与完好区域信息的一致性，导致修复结果易出现边界效应和纹理模糊等问题，提出了一种联合特征推理和语义增强的渐进式壁画修复算法.首先，设计区域渐进结构，实现了待修复区域的渐进式收缩修复.然后，利用特征推理模块，对缺失像素的特征值进行迭代推理填充，减小壁画修复重构误差，增强壁画破损区域与完好区域之间的相关性.最后，将各层特征图自适应融合，并采用语义增强模块进行纹理细节迁移，提升壁画补全区域和整体的一致性.敦煌壁画数字化修复实验表明：所提方法修复结果具有更好的纹理细节一致性，在主客观评价指标上均优于比较算法.     

基于样本块和BSCB模型的壁画裂缝修复方法

针对采用传统方法虚拟修复北齐墓葬壁画复杂裂缝效果较差的问题,以水泉梁北齐墓室壁画为例,提出了基于改进的BSCB(bertalmio sapiro caselles bellester)模型与样本块修复算法相结合的虚拟修复方法。首先直方图增强后用最大类间方差法(Otsu)获取裂缝;其次,结合使用连通域标记算法与开、闭运算分离裂缝;再采用改进的BSCB模型对所有裂缝进行修补;然后用基于样本块图像修复算法消除扩散修复痕迹;最后利用颜色提取、替换恢复前景色彩,获得裂缝最终修复结果。实验结果表明,该方法同时修复壁画纹理区域的大裂缝与相连于壁画结构的小裂缝时,既能保证修复区域的清晰度,又能连接破损边缘,还能恢复部分区域的色彩;相较于其他修复方法,在边缘连续性上至少提升15.90%。     

改进多重字典联合自适应学习的稀疏壁画修复

针对壁画稀疏表示修复算法字典单一、细节修复欠佳的问题，提出了一种改进多重字典联合自适应学习的稀疏壁画修复算法.首先，采用非下采样剪切波NSST将破损壁画进行分解，获取壁画的低频纹理子带图像和高频结构子带图像，解决了稀疏表示算法对壁画图像结构和纹理信息考虑不足的问题.然后，提出了多重字典自适应学习的稀疏方法，将低频纹理图像根据像素之间特征的相似性进行聚类，构建多重稀疏子类字典，并利用奇异值分解和分裂Bregman迭代优化完成低频分量修复.接着，引入脉冲耦合神经网络机制，修复壁画图像的高频结构子带.最后，通过NSST逆变换融合完成修复.采用真实壁画进行修复的实验表明，该算法能够有效保护壁画图像结构和纹理层等重要信息，所提算法相较对比算法取得了更好的视觉效果和客观评价.     

基于改进SOM的壁画图像裂缝自动识别与修复

针对壁画中存在的裂缝这一常见病害,提出一种基于人工神经网络(ANN)的自组织映射(SOM)图像修复算法,将人工智能技术应用于古建筑壁画修复领域.基于壁画裂缝本身的线性结构特征,对图像进行多尺度形态学边缘梯度检测提取边缘信息,使得裂缝边界区域灰度变化剧烈,从而达到边界突出的效果;对变换后的图像进行自适应阈值分割处理,以保证图像中每个像素点都属于目标区域;选取面积作为目标区域的连通规则进行度量以去除虚假目标,达到精确提取的目的,实现对破损像素的自动识别和标注;对壁画中已标注的破损区域采用改进的SOM算法进行修复,通过SOM聚类对图像进行分层,在单个图层中迭代计算出破损像素的值,实现对图像的并行化分层修复,在保障修复精度的同时提升修复的速率;合并图层,完成标注区域修复部分;最后通过对3种类型裂缝的壁画修复,本文所提出的改进SOM算法在修复图像峰值信噪比PSNR、特征相似度FSIM等4类指标显著提升,并且修复时间平均缩短40.34%,表明方法对于古建筑壁画裂缝修复的有效性和优越性.     

西安韩森寨元代墓室壁画数字化修复方法

西安韩森寨元代墓室壁画是西安地区元代时期唯一的墓室壁画资料,因诸多原因受到了严重的损坏。为了给相关学科研究提供更为直观的壁画资料和类似壁画的修复方法参考,从图像信息损失程度及损失信息与已知信息的关联性角度,对韩森寨元代墓室壁画的损坏情况和类型进行了分析,针对性地提出了一种数字化人工和自动修复相结合的壁画数字化修复方法,并基于图像块和稀疏表示模型实现了壁画的数字化自动修复算法,最终选取韩森寨甬道西壁散乐图局部作为修复实例进行了数字化修复。验证结果表明,所提方法在修复效果、修复效率、可操作性等方面均有较好表现。     

基于改进置信度函数及匹配准则的图像修复算法

传统基于纹理合成的图像修复算法,其置信度值会随着修复过程的进行迅速衰减并趋近于0,这会导致优先权计算结果不可靠,产生错误的引导修复方向.除此之外,传统方法通常采用最小绝对差平方和(SSD)准则来寻找最优匹配块,匹配准则单一,精度有限,容易产生误匹配.为解决上述问题,提出一种新的置信度更新函数,以抑制置信度衰减过快的现象,提高引导修复方向的准确性;同时引入Census变换匹配准则,将其与传统SSD匹配准则相结合,以提高匹配精度.实验仿真结果表明,本文算法鲁棒性较高且引导方向准确,对于复杂的结构图像仍然能够获得理想的修复效果.     

基于相似度模型耦合角度制约规则的图像匹配算法

为了克服当前图像匹配方法主要通过测量距离的方法来实现图像匹配,忽略了图像间的相似度,导致算法存在错误匹配较多以及鲁棒性较差的问题。本文提出了基于相似度模型耦合角度制约规则的图像匹配算法。采用FAST检测方法对图像特征进行检测,快速获取鲁棒特征点,以改善算法的匹配正确率。随后,利用SURF特征描述机制,通过计算特征圆域内的Haar小波响应值,对特征点进行描述。引入结构相似度SSIM(structural similarity index measurement)模型,将其与欧氏距离模型相结合,构造相似度模型,从结构相似度与测量距离两方面出发,将特征点进行粗匹配。最后,利用特征点的余弦关系,求取特征点间角度,建立角度制约规则,对粗匹配结果完成优化。实验结果显示:与典型的匹配方法相比,该算法具有更好的匹配性能较好,在多种几何变换下仍具有理想的匹配精度。