【摘要】：提出使用廣義回歸神經(jīng)網(wǎng)絡(luò)進(jìn)行敦煌壁畫(huà)的數(shù)字化修復(fù)保護(hù)研究。通過(guò)各向異性擴(kuò)散去除待修復(fù)壁畫(huà)圖像的噪聲,使用形態(tài)學(xué)膨脹算子提取待修復(fù)區(qū)域的邊界像素點(diǎn),利用與待修復(fù)區(qū)域邊界鄰域像素相似的樣本像素塊作為廣義回歸神經(jīng)網(wǎng)絡(luò)的輸入訓(xùn)練樣本,并對(duì)樣本塊像素值采用之字形掃描輸入到廣義回歸神經(jīng)網(wǎng)絡(luò)。同時(shí)使用自適應(yīng)的平滑參數(shù),最后獲得近似的廣義回歸神經(jīng)網(wǎng)絡(luò)修復(fù)模型,使用該模型預(yù)測(cè)待修復(fù)區(qū)域的像素信息。實(shí)驗(yàn)表明,該方法對(duì)壁畫(huà)的數(shù)字化修復(fù)有一定的效果。
[Abstract]:A generalized regression neural network is proposed to study the digital restoration and protection of Dunhuang murals. Using anisotropic diffusion to remove noise from mural images to be repaired, morphological expansion operator is used to extract the boundary pixels of the region to be repaired. The sample pixel blocks similar to the adjacent pixels of the region to be repaired are used as input training samples of the generalized regression neural network, and the zigzag scan of the pixel values of the sample blocks is input to the generalized regression neural network. At the same time, the adaptive smoothing parameters are used to obtain the approximate generalized regression neural network restoration model, which is used to predict the pixel information of the region to be repaired. Experiments show that this method has certain effect on the digital restoration of murals.
【作者單位】： 西北師范大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61363059)
【分類號(hào)】：TP183;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王毅,張良培,李平湘;基于最小描述長(zhǎng)度原則的各向異性擴(kuò)散模型[J];中國(guó)圖象圖形學(xué)報(bào);2005年08期

2 范彥革;劉旭敏;;各向異性擴(kuò)散的研究[J];計(jì)算機(jī)工程與應(yīng)用;2006年29期

3 邵文澤;韋志輝;;各向異性擴(kuò)散與M-估計(jì)的比較研究[J];計(jì)算機(jī)工程與應(yīng)用;2006年31期

4 嚴(yán)家斌;劉貴忠;;一種新的各向異性擴(kuò)散時(shí)間尺度估計(jì)方法[J];計(jì)算機(jī)工程;2008年02期

5 王艷華;劉偉寧;;基于各向異性擴(kuò)散的弱小目標(biāo)增強(qiáng)算法(英文)[J];光電工程;2008年06期

6 王毅;牛瑞卿;喻鑫;沈煥峰;;基于時(shí)間變化的魯棒各向異性擴(kuò)散模型[J];自動(dòng)化學(xué)報(bào);2009年09期

7 張宏舉;蔡光程;熊文真;;一種改進(jìn)的各向異性擴(kuò)散模型去噪方法[J];微計(jì)算機(jī)信息;2011年07期

8 祁傳琦;鮑華;;用于各向異性擴(kuò)散濾波的熱傳導(dǎo)系數(shù)構(gòu)造方法[J];光電工程;2011年07期

9 趙德;何傳江;陳強(qiáng);;結(jié)合局部熵的各向異性擴(kuò)散模型[J];模式識(shí)別與人工智能;2012年04期

10 李蘭蘭,吳樂(lè)南;一種各向異性擴(kuò)散圖像去噪的方法[J];電路與系統(tǒng)學(xué)報(bào);2003年06期

相關(guān)會(huì)議論文 前5條

1 汪若穎;吳樂(lè)南;;一種改進(jìn)的各向異性擴(kuò)散去噪模型[A];第18屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2009）論文集[C];2009年

2 蔡超;周成平;丁明躍;;一種應(yīng)用于各向異性擴(kuò)散的噪聲腐蝕新算子[A];大珩先生九十華誕文集暨中國(guó)光學(xué)學(xué)會(huì)2004年學(xué)術(shù)大會(huì)論文集[C];2004年

3 王磊;李金;;基于各向異性擴(kuò)散方程的B超圖像去噪方法[A];中華醫(yī)學(xué)會(huì)第十次全國(guó)超聲醫(yī)學(xué)學(xué)術(shù)會(huì)議論文匯編[C];2009年

4 王文遠(yuǎn);;優(yōu)化遞歸導(dǎo)數(shù)濾波和導(dǎo)向增強(qiáng)擴(kuò)散[A];中國(guó)工程物理研究院科技年報(bào)（2002）[C];2002年

5 王磊;李金;;基于各向異性擴(kuò)散方程的B超圖像去噪方法[A];慶祝中國(guó)超聲診斷50年暨第十屆全國(guó)超聲醫(yī)學(xué)學(xué)術(shù)會(huì)議論文匯編[C];2008年

相關(guān)博士學(xué)位論文 前3條

1 馬捷;各向異性擴(kuò)散及其在電磁數(shù)據(jù)處理中的應(yīng)用研究[D];中南大學(xué);2009年

2 朱景福;基于小波收縮與各向異性擴(kuò)散及其等價(jià)性的圖像去噪與分割[D];哈爾濱工程大學(xué);2009年

3 余錦華;超聲圖像處理新方法及其在產(chǎn)前診斷中的應(yīng)用[D];復(fù)旦大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 史瑞;各向異性擴(kuò)散濾波在地震數(shù)據(jù)中去噪[D];哈爾濱工業(yè)大學(xué);2015年

2 吳龍華;基于改進(jìn)的各向異性擴(kuò)散圖像去噪算法研究[D];東華理工大學(xué);2016年

3 段維夏;自適應(yīng)各向異性擴(kuò)散數(shù)字圖像修復(fù)研究[D];西南交通大學(xué);2016年

4 趙營(yíng);復(fù)雜背景下的紅外弱小目標(biāo)檢測(cè)算法[D];西安電子科技大學(xué);2015年

5 王麗坤;三維各向異性擴(kuò)散濾波方法研究與應(yīng)用[D];成都理工大學(xué);2011年

6 喬剛;基于各向異性擴(kuò)散的圖像處理技術(shù)及其應(yīng)用[D];電子科技大學(xué);2012年

7 汪偉;基于各向異性擴(kuò)散的數(shù)字圖像處理研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

8 張宏舉;一種改進(jìn)的各向異性擴(kuò)散模型去噪方法[D];昆明理工大學(xué);2010年

9 屈勇;小波變換和各向異性擴(kuò)散濾波及其地震數(shù)據(jù)去噪中的應(yīng)用[D];成都理工大學(xué);2012年

10 孟慶利;基于各向異性擴(kuò)散的舊電影圖像垂直劃痕修復(fù)算法[D];東北大學(xué);2010年

，

本文編號(hào)：2274195