基于多路编码器和双重注意力的古画修复算法

绘画是重要的文化艺术形式,数千年以来,我国古代产生了大量的绘画作品,包含有丰富的文化、艺术、科学与历史价值,但是由于自然灾害(地震)与自然风化以及人类越来越多的经济活动等种种原因导致部分绘画作品存在或多或少的残损或者大块缺失,严重影响了基于这些绘画作品的鉴赏、文化创意、文化传播等活动.与自然图像相比,古画图像的自相似性通常较高,有着明显的风格特点、丰富和细腻的纹理.尽管目前在自然图像上的修复技术已经取得了令人印象深刻的进展,但是这些算法还不能直接用于中国古画的修复.结合中国古画的特点对算法和模型结构进行设计,提出了基于多路编码器和双重注意力机制的中国古画修复算法,目标是对内容受损的古画进行自动化修复.为了能够较好地从多个尺度来修复古画,采用了多路编码器来学习古画不同尺度的语义特征,通过学习到的宏观、中观、微观的语义特征来对古画进行修复,解决了古画丰富和细腻的纹理修复困难问题.为了更好地学习古画的全局语义特征,使得修复后的古画整体更加和谐一致,采用了双重注意力模块分别从风格和内容2个方面来学习古画的全局语义特征.为了验证提出的算法的先进性,制作了一个古画数据集,在该数据集上的实验证明,提出的算法相对于目前最先进的算法而言具有较好的修复质量.

基于边缘重建的多尺度壁画修复方法

中国古壁画历经千百年历史,不可避免地出现了不同程度的破损,其修复研究具有重要的历史价值和文化价值。传统的手工修复直接作用于壁画,操作不当会造成保护性破坏,所以采用数字虚拟修复,提出了基于边缘重建的多尺度壁画修复方法。由于现存壁画数量较少,通过收集与整理我国不同地域年代的壁画获得了实验数据。对自由裁剪后的壁画进行滤波平滑图像细节并保留其边缘,为破损区域的图像分割提供良好的初始化条件,经过图像聚类自动计算待修复掩膜;修复过程以边缘重建为基础,对破损壁画在多尺度空间中提取纹理特征,充分挖掘图像已知的可用信息进行其缺失内容的填补。实验结果表明,该方法不受壁画种类和破损程度的限制,整个重建过程更加通用和有效,能够恢复得到具有结构完整和纹理清晰的图像,并取得较好的修复效果。