基于生成对抗网络的计算机辅助壁画修复研究

发布时间：2020-07-16 08:13

【摘要】：壁画是宝贵的人类文化遗产。但由于各种自然和人为的原因,目前大多数壁画均遭受了不同程度的损坏。为了使这些珍贵的历史文化遗产得到传承,需要对现存的壁画进行修复和保护。随着计算机技术的发展,利用计算机技术辅助壁画修复不仅可以节约人力物力,还可以避免人为因素对壁画造成二次伤害。针对现有计算机辅助壁画修复算法无法对壁画的大面积缺损进行有效修复的问题,本文利用生成对抗网络展开了对壁画大面积缺损修复的研究。主要工作包括以下四点:1.首次将生成对抗网络引入到壁画修复领域,通过人工神经网络强大的学习能力,利用壁画整体的信息对缺失区域结构进行有效的修复,并通过实验验证了本文所提壁画修复算法能够对大面积缺损区域进行较好的修复。(达到了利用壁画整体信息进行修复的目的)2.针对现有网络结构在壁画缺损修复中存在的不足,提出了一种改进的生成对抗网络结构,并验证了该网络各模块改进的有效性。相比现有壁画修复算法在测试数据上经过实验验证,峰值信噪比(PSNR)评分提高了4%,结构相似性(SSIM)评分提高了2%。3.针对褪色壁画色彩难以恢复的问题,对本文提出的壁画缺损修复网络结构进行调整,使其能够进一步对壁画图像色彩进行恢复,为存在色彩退化的壁画进行色彩恢复提供了一种有效途径。4.针对目前尚无公开的壁画数据集的问题,本文通过对敦煌壁画的收集、整理和缺损仿真,创建了包含855幅图像的敦煌壁画修复用数据集。综上所述,本文提出的壁画修复算法,能够对壁画缺损区域和色彩进行更有效的修复,为壁画的修复工作提供了参考,促进了壁画保护事业的发展。
【学位授予单位】：西北大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：G264.3;TP391.41
【图文】：

导数图,函数图像,卷积,编码器

图5 Leaky ReLU 函数图像及导数图像编码器的详细结构如表 1 所示。表1 编码器详细结构第一层第二层第三层第四层第五层第六层卷积层卷积层卷积层卷积层卷积层卷积层Batch Norm Batch Norm Batch Norm Batch NormLeaky ReLU Leaky ReLU Leaky ReLU Leaky ReLU Leaky ReLU解码器的作用就是将编码器映射到隐空间的特征进行解码，然后还原真实的数分布。在此次壁画修复任务中，解码器解码编码器映射到隐空间的特征，然后生成画缺失区域的信息。解码器的示意图如图 6 所示。

步骤,壁画,数据集,敦煌壁画

17图9 缺损小于 64*64 时修复结果图10 改进的修复步骤2.3 实验和结果分析为了测试算法的有效性，在实验部分使用Torch深度学习框架实现了本文的算法，并与现有的几种壁画修复算法进行了对比。2.3.1 实验数据集简介因为目前暂无公开的壁画数据库，为了训练网络，通过互联网收集相关敦煌壁画数据，然后通过筛选和剪裁处理，本文构建了一个关于敦煌壁画的数据集 DunHuangMuralDataset（记做 DHMD 数据集），共 855 张，如图 11 所示。其中随机选取 50 张不同风格的壁画用作测试，剩余数据用作网络训练。损坏的图像按比例提取损坏区域周边的图像将提取出的图像插值到128*128放入网络进行修复

示意图,数据集,数据预处理

西北大学硕士学位论文18图11 数据集部分展示2.3.2 实验数据预处理为了使得所提算法的性能最佳，因此在修复前对输入网络的待处理数据需要进行简单的数据预处理操作，处理流程如图 12 所示。（a）缺损壁画（b）处理结果图12 数据预处理示意图首先将缺损区域进行框定，本实验所提方法中采用矩形框对缺损壁画进行框定如图 12（a），然后矩形框框定区域即为输入进网络进行待修复的区域，如图 12（b），经过数据预处理能使网络对缺损区域修复的效果达到最佳。

【相似文献】