基于改进U-Net的壁画颜料层脱落病害提取研究

发布时间：2024-05-15 19:49

　　壁画作为宝贵的文化遗产之一,是我国传统文化和民族精神传承的载体。它能够反映出当时人类的历史生活和艺术文化发展水平等信息,具有重要的价值。但众多壁画由于代久远而受到自然环境和人为破坏等多方面因素的影响,面临不同程度病害的威胁。其中颜料层脱离底色层或地仗层的脱落病害就是壁画常见病害之一,它不仅削弱了壁画的信息表达,而且对历史文化的保留与传承有着极为不利的影响。病害提取作为壁画保护的前提,可为修复和监测等工作提供科学依据,具有重要的研究意义。现有的病害提取方法大多都需要人工干预,提取效率和效果也有待提高。鉴于目前提取方法的不足,以及深度学习在图像分割等领域的广泛应用,本文提出了利用深度学习图像分割技术,实现壁画颜料层脱落病害快速、准确提取的研究思路,主要完成了如下工作:1)壁画病害数据集设计与制作。通过文献调研了解国内外研究现状,提出了基于深度学习壁画病害提取的新思路。针对尚未有关于壁画病害数据集的问题,本文利用近景摄影测量技术获取壁画的数字正射影像图(Digital Orthophoto Map,DOM),并通过相关处理完成实验数据集的制作,为后续实验提供数据准备。2)提出了基于编-解码网...

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

图1-1壁画结构和几种常见病害示例

第1章绪论第1章绪论1.1研究背景与意义我国作为四大文明古国之一，在悠久历史的长河中，沉淀出众多独具特色和宝贵的文化遗产。其中，文物不仅承载着璀璨的文明历史和珍贵的文化价值，也是国家的“金色名片”。加强文物的科学保护，对传承我国传统文化和增强民族自信都具有重要的意义。壁画作为我国....

图2-2CNN结构示意图

??蠻-Net网络模型的改进研究。然后编程完成改进网络模型的构建、训练以及病害提取实验，并通过对比分析，对本文改进U-Net网络模型提取结果进行精度验证。2.2卷积神经网络结构本文的壁画病害提取是利用以CNN为基础的图像分割网络模型，对壁画图像病害区域进行识别提龋CNN最初是受到....

图2-7丢失输出示意图[61]

第2章病害提取思路与基础知识程度上简化网络，而且减少神经元之间复杂的共适应性和对某个特定神经元的过分依赖，从而防止网络模型的过拟合增强泛化能力。图2-7丢失输出示意图[61]Fig.2-7SchematicdiagramofDropout2.2.6批量归一化在CNN的训练过程中，....

图2-8FCN结构示意图

第2章病害提取思路与基础知识2.4全卷积神经网络FCN是在CNN网络基础上改进，用于图像分割任务的网络模型。它的主要结构如图2-8所示，可以看出，FCN与CNN结构基本相似，具有CNN的所有特点，二者最大的区别就是用卷积层代替全连接层（全卷积化）。除此之外，FCN网络还用到了上采....

本文编号：3974137