融合结构与纹理特征的壁画缺陷修复

针对现有算法在修复花纹复杂的壁画时存在结构混乱和纹理模糊等缺陷,提出一种融合结构与纹理特征引导的双重生成对抗网络模型。首先将U-Net引入双重生成网络,利用方向和通道双注意力机制提取到的纹理和结构信息分别引导结构、纹理解码器完成对结构与纹理的特征重构,并结合空洞残差块与跳跃连接实现多尺度特征融合提取。其次将两个分支输出的特征图通过双门控特征融合模块深度融合,完成特征信息交互。最后通过联合双判别器对抗完成缺陷修复,增强壁画修复效果的细节丰富度和全局一致性。实验使用自制数据集五台山某处非国宝级真实壁画进行训练及测试,并通过对比实验和消融实验验证,所提算法在峰值信噪比指标上平均提升4.24 dB,结构相似性指标上平均提升3.6%。实验表明该方法可以对受损的壁画进行有效修复,使其呈现出较好的结构、纹理信息,且视觉效果更清晰自然。