3D沉浸式系统图像修复关键技术研究

对3D沉浸式系统图像修复关键技术进行了深入研究,提出了一种彩色图像引导的CNN压缩伪影抑制模型,对原始的非遗陶瓷文物图像的整体质量和边缘信息进行提升,增强修复效果。首先,对CNN卷积神经网络的基本结构进行了研究;然后搭建了基于CNN的深度图像压缩伪影抑制模型,同时引入谱分解概念对深度图像的高频部分进行重建操作,滤除无用的干扰信息,加快模型的训练收敛速度;并设计基于多尺度引导信息的内容修复方法增强了模型的修复效果;最后,对基于CNN的深度图像压缩伪影抑制模型进行了实验与测试。实验结果表明:引入了灰度信息辅助,即由彩色图像引导的CNN结构来搭建的模型性能,相比于没有引入灰度信息辅助的模型对图像的修复效果更佳;设计的模型在图像质量Q=30时,峰值信噪比为45.18,比其余5种实验对照组模型中性能最优的Liu模型增加了4.31;但图像质量Q=40时,峰值信噪比高达49.36,比Liu模型增加了7.47,表明本文设计的图像修复模型性能更佳,图像修复效果得到显著提升,能够用于非遗陶瓷文物图像修复工作。