針對(duì)壁畫中存在的裂縫這一常見病害,提出一種基于人工神經(jīng)網(wǎng)絡(luò)（ANN）的自組織映射（SOM）圖像修復(fù)算法,將人工智能技術(shù)應(yīng)用于古建筑壁畫修復(fù)領(lǐng)域.基于壁畫裂縫本身的線性結(jié)構(gòu)特征,對(duì)圖像進(jìn)行多尺度形態(tài)學(xué)邊緣梯度檢測(cè)提取邊緣信息,使得裂縫邊界區(qū)域灰度變化劇烈,從而達(dá)到邊界突出的效果;對(duì)變換后的圖像進(jìn)行自適應(yīng)閾值分割處理,以保證圖像中每個(gè)像素點(diǎn)都屬于目標(biāo)區(qū)域;選取面積作為目標(biāo)區(qū)域的連通規(guī)則進(jìn)行度量以去除虛假目標(biāo),達(dá)到精確提取的目的,實(shí)現(xiàn)對(duì)破損像素的自動(dòng)識(shí)別和標(biāo)注;對(duì)壁畫中已標(biāo)注的破損區(qū)域采用改進(jìn)的SOM算法進(jìn)行修復(fù),通過(guò)SOM聚類對(duì)圖像進(jìn)行分層,在單個(gè)圖層中迭代計(jì)算出破損像素的值,實(shí)現(xiàn)對(duì)圖像的并行化分層修復(fù),在保障修復(fù)精度的同時(shí)提升修復(fù)的速率;合并圖層,完成標(biāo)注區(qū)域修復(fù)部分;最后通過(guò)對(duì)3種類型裂縫的壁畫修復(fù),本文所提出的改進(jìn)SOM算法在修復(fù)圖像峰值信噪比PSNR、特征相似度FSIM等4類指標(biāo)顯著提升,并且修復(fù)時(shí)間平均縮短40.34%,表明方法對(duì)于古建筑壁畫裂縫修復(fù)的有效性和優(yōu)越性. 

【文章來(lái)源】：天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版). 2020,53(09)北大核心EICSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

單尺度形態(tài)學(xué)邊緣梯度過(guò)程檢測(cè)示意

1“彩紋圖”修復(fù)結(jié)果

3“人臉圖”修復(fù)結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]分區(qū)域多標(biāo)準(zhǔn)的全參考圖像質(zhì)量評(píng)價(jià)算法[J]. 曹清潔,史再峰,張嘉平,李杭原,高靜,姚素英.  天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版). 2019(06)
[2]一種基于稀疏表示模型的壁畫修復(fù)算法[J]. 李清泉,王歡,鄒勤.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(12)
[3]MCA分解的唐墓室壁畫修復(fù)算法[J]. 申婧妮,王慧琴,吳萌,楊文宗.  計(jì)算機(jī)科學(xué)與探索. 2017(11)
[4]基于優(yōu)先權(quán)改進(jìn)算法的敦煌壁畫復(fù)雜破損區(qū)域修復(fù)[J]. 楊筱平,王書文.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2011(02)



本文編號(hào)：3240294