基于神經(jīng)網(wǎng)絡的古壁畫破損修復與風格復原研究
發(fā)布時間：2021-03-30 07:19
壁畫作為一種古老的藝術(shù)形式,有著很高的美學價值與歷史研究意義。但是現(xiàn)存的古代壁畫由于自然或人為的原因,受到了不同程度的破壞。采用數(shù)字圖像的修復方法對受損壁畫進行修復與人工修復的方法相比,不僅降低了修復難度,簡化了修復過程,同時減少了修復過程對壁畫本身的破壞。修復得到的結(jié)果對于進一步的文化與歷史研究有著重要意義。論文采用深度學習的方法,對壁畫的內(nèi)容、色彩、紋理進行全面的修復,盡可能地將壁畫復原到最初的狀態(tài)。論文的主要工作包括三個方面的內(nèi)容:第一,針對壁畫破損區(qū)域檢測問題,包括了細小破損區(qū)域的自動檢測和大塊破損的手工掩膜設計兩部分內(nèi)容,論文提出了一個基于像素級別分類的檢測模型,用于對細小的破損區(qū)域進行檢測。論文通過建立一個細小破損區(qū)域和裂縫區(qū)域的數(shù)據(jù)集訓練,得到一個基于卷積神經(jīng)網(wǎng)絡的分類模型,可以對輸入的壁畫圖像進行像素級別的破損定位和自動掩膜設計,之后再使用手工標記的方法對大面積破損建立掩膜。第二,針對壁畫內(nèi)容的修復問題,論文使用了深度學習中生成模型的方法,讓訓練好的模型自動生成壁畫中的缺失部分來進行補全修復。網(wǎng)絡在整體上是一個典型的自編碼器結(jié)構(gòu),由編碼器和解碼器兩部分構(gòu)成。編碼器部分將...
【文章來源】：云南大學云南省 211工程院校
【文章頁數(shù)】：54 頁
【學位級別】：碩士
【部分圖文】：
一:神經(jīng)元結(jié)構(gòu)
?第一章緒論???在這一過程中，收集設計了兩個主要的數(shù)據(jù)集，一個是用于細小破損檢測模??型訓練的數(shù)據(jù)集，另一個是用于壁畫修復模型訓練的掩膜數(shù)據(jù)集。其中，用于檢??測的數(shù)據(jù)集中的掩膜圖像同樣也被用于了之后的修復模型的訓練中，使得訓練得??到的模型可以對該種類型的破損有較好的修復結(jié)果。??
率等并沒有很強的需求，因此針對于破損區(qū)域，主要依靠于手工掩膜的設計。但??是在實際操作中，古壁畫受到墻體、顏料本身性質(zhì)的影響，存在很多細小的龜裂、??脫落，這種類型的破損十分密集，如圖２－１所示。如果使用手工的方式添加掩膜??不僅工作量巨大而且很難準確地對應破損部位，會對修復結(jié)果產(chǎn)生很大的影響。??這類型的區(qū)域如果掩膜添加過大，會造成周圍未破損區(qū)域有效信息的損失，使得??修復結(jié)果依賴于少量的有效信息而影響修復效果。而掩膜添加過小，則會使得修??復結(jié)果更接近于周圍未選中的破損區(qū)域像素，造成修復的失畋。因此，該類型區(qū)??域的掩膜的精確添加對修復結(jié)果有著重要影響。針對該種類型的破損區(qū)域，有必??要使用自動化的方法進行精確的識別與定位。??國??圖２－１：破損壁畫局部??２．１破損和裂縫檢測的相關(guān)工作??在裂縫的檢測方面，ＣｏｒｎｅｌｉｓＢ，ＲｕｚｉｃＴ等人［２１］，該文結(jié)合了定向延伸濾波??器（ｏｒｉｅｎｔｅｄｅｌｏｎｇａｔｅｄ?ｆｉｌｔｅｒｓ）、多尺度ｔｏｐ－ｈａｔ操作和字典訓練算法Ｋ奇異值分解??（Ｋ－ＳＶＤ）算法，特別針對不同形狀和光照條件下的裂縫進行檢測。Ｃｏｍｅｌｉｓ?Ｂ，??９?
【參考文獻】：
期刊論文
[1]一種基于稀疏表示模型的壁畫修復算法[J]. 李清泉,王歡,鄒勤. 武漢大學學報(信息科學版). 2018(12)
[2]西藏數(shù)字壁畫泥斑病害自動標定修復方法仿真[J]. 姜軍,卓嘎,王朝霞. 計算機仿真. 2018(11)
[3]融入視覺注意機制的路面裂縫檢測與識別[J]. 張玉雪,唐振民,錢彬,徐威. 計算機工程. 2018(04)
[4]基于廣義回歸神經(jīng)網(wǎng)絡的壁畫修復研究[J]. 任小康,陳培林. 計算機工程與科學. 2017(10)
[5]基于尺度空間的小波紋理描述算法的壁畫修復[J]. 任小康,鄧琳凱. 計算機工程與科學. 2014(11)
[6]唐墓室壁畫裂縫的自動虛擬修復方法[J]. 王凱,王慧琴,吳萌. 計算機工程與應用. 2014(15)
[7]基于GrabCut分割和自動采樣的敦煌壁畫色彩修復[J]. 楊筱平,王書文,賈建芳,黃偉. 蘭州理工大學學報. 2010(03)
[8]采用GPU的計算機輔助壁畫修復技術(shù)[J]. 伍毅,魯東明. 計算機工程. 2006(08)
[9]古代敦煌壁畫的數(shù)字化保護與修復[J]. 潘云鶴,魯東明. 系統(tǒng)仿真學報. 2003(03)
[10]敦煌石窟虛擬重現(xiàn)與壁畫修復模擬[J]. 魯東明,潘云鶴,陳任. 測繪學報. 2002(01)
碩士論文
[1]基于線描圖智能化生成的計算機輔助壁畫修復[D]. 周宇.浙江大學 2003
[2]壁畫圖像智能色彩處理技術(shù)及其應用[D]. 林怡.浙江大學 2002
本文編號：3109121
【文章來源】：云南大學云南省 211工程院校
【文章頁數(shù)】：54 頁
【學位級別】：碩士
【部分圖文】：
一:神經(jīng)元結(jié)構(gòu)
?第一章緒論???在這一過程中，收集設計了兩個主要的數(shù)據(jù)集，一個是用于細小破損檢測模??型訓練的數(shù)據(jù)集，另一個是用于壁畫修復模型訓練的掩膜數(shù)據(jù)集。其中，用于檢??測的數(shù)據(jù)集中的掩膜圖像同樣也被用于了之后的修復模型的訓練中，使得訓練得??到的模型可以對該種類型的破損有較好的修復結(jié)果。??
率等并沒有很強的需求，因此針對于破損區(qū)域，主要依靠于手工掩膜的設計。但??是在實際操作中，古壁畫受到墻體、顏料本身性質(zhì)的影響，存在很多細小的龜裂、??脫落，這種類型的破損十分密集，如圖２－１所示。如果使用手工的方式添加掩膜??不僅工作量巨大而且很難準確地對應破損部位，會對修復結(jié)果產(chǎn)生很大的影響。??這類型的區(qū)域如果掩膜添加過大，會造成周圍未破損區(qū)域有效信息的損失，使得??修復結(jié)果依賴于少量的有效信息而影響修復效果。而掩膜添加過小，則會使得修??復結(jié)果更接近于周圍未選中的破損區(qū)域像素，造成修復的失畋。因此，該類型區(qū)??域的掩膜的精確添加對修復結(jié)果有著重要影響。針對該種類型的破損區(qū)域，有必??要使用自動化的方法進行精確的識別與定位。??國??圖２－１：破損壁畫局部??２．１破損和裂縫檢測的相關(guān)工作??在裂縫的檢測方面，ＣｏｒｎｅｌｉｓＢ，ＲｕｚｉｃＴ等人［２１］，該文結(jié)合了定向延伸濾波??器（ｏｒｉｅｎｔｅｄｅｌｏｎｇａｔｅｄ?ｆｉｌｔｅｒｓ）、多尺度ｔｏｐ－ｈａｔ操作和字典訓練算法Ｋ奇異值分解??（Ｋ－ＳＶＤ）算法，特別針對不同形狀和光照條件下的裂縫進行檢測。Ｃｏｍｅｌｉｓ?Ｂ，??９?
【參考文獻】：
期刊論文
[1]一種基于稀疏表示模型的壁畫修復算法[J]. 李清泉,王歡,鄒勤. 武漢大學學報(信息科學版). 2018(12)
[2]西藏數(shù)字壁畫泥斑病害自動標定修復方法仿真[J]. 姜軍,卓嘎,王朝霞. 計算機仿真. 2018(11)
[3]融入視覺注意機制的路面裂縫檢測與識別[J]. 張玉雪,唐振民,錢彬,徐威. 計算機工程. 2018(04)
[4]基于廣義回歸神經(jīng)網(wǎng)絡的壁畫修復研究[J]. 任小康,陳培林. 計算機工程與科學. 2017(10)
[5]基于尺度空間的小波紋理描述算法的壁畫修復[J]. 任小康,鄧琳凱. 計算機工程與科學. 2014(11)
[6]唐墓室壁畫裂縫的自動虛擬修復方法[J]. 王凱,王慧琴,吳萌. 計算機工程與應用. 2014(15)
[7]基于GrabCut分割和自動采樣的敦煌壁畫色彩修復[J]. 楊筱平,王書文,賈建芳,黃偉. 蘭州理工大學學報. 2010(03)
[8]采用GPU的計算機輔助壁畫修復技術(shù)[J]. 伍毅,魯東明. 計算機工程. 2006(08)
[9]古代敦煌壁畫的數(shù)字化保護與修復[J]. 潘云鶴,魯東明. 系統(tǒng)仿真學報. 2003(03)
[10]敦煌石窟虛擬重現(xiàn)與壁畫修復模擬[J]. 魯東明,潘云鶴,陳任. 測繪學報. 2002(01)
碩士論文
[1]基于線描圖智能化生成的計算機輔助壁畫修復[D]. 周宇.浙江大學 2003
[2]壁畫圖像智能色彩處理技術(shù)及其應用[D]. 林怡.浙江大學 2002
本文編號：3109121
本文鏈接：http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3109121.html
最近更新
教材專著
