1.一種基于壓縮感知的古代壁畫起甲病害數字修復方法，其特征在于，包括以下步驟：

步驟一，對受損的壁畫數字圖像，進行圖像預處理；預處理包括圖像去噪和HSV色彩空間轉換；

步驟二，提取經過步驟一預處理后的壁畫圖像HSV空間的V分量數據，利用contour函數畫出亮度等高線圖，對亮度等高線圖進行閾值分割，得到分割圖；

步驟三，對分割圖進行二次濾波去噪，再通過形態學腐蝕操作得到壁畫病害區域的閉區間；

步驟四，將步驟三得到壁畫病害區域閉區間的病害分割圖與原受損的壁畫數字高清圖像進行疊加，標記出壁畫的起甲病害區域；

步驟五，利用基于壓縮感知的數字圖像修復算法對壁畫的起甲病害區域進行數字修復。

2.根據權利要求1所述的一種基于壓縮感知的古代壁畫起甲病害數字修復方法，其特征在于，步驟一中圖像去噪采用的是TV算法。

3.根據權利要求1所述的一種基于壓縮感知的古代壁畫起甲病害數字修復方法，其特征在于，步驟五中基于壓縮感知的圖像修復算法包括PMLE機制和EM修復兩個方面：

(1)PMLE機制

假設受損壁畫數字圖像Y有n個像素點；首先，暫且不考慮壁畫圖像的破損區域，根據壓縮感知稀疏表示理論可知，壁畫圖像表示為：

Y＝Φα+ε,ε～N(0,σ²)(1)

其中，Φ為n×p的完備字典，n＜p，p是過完備字典的列；α是圖像Y在過完備字典Φ上的表示；ε和N(0,σ²)為高斯加性白噪聲；通過懲罰性最大似然估計從Y恢復出圖像X：

X^=argminx-ll(Y|X)+logpX(x)---(2)]]>

其中，是圖像X的恢復圖像，l是值對數似然函數，pX(x)為先驗密度函數；

當X能夠被轉換成稀疏表示α時，PLME可以看作最大后驗概率的貝葉斯模型，則式(2)更新為：

α^=argminα12σ2||Y-Φα||22+λΨ(α)---(3)]]>

在上式中，Ψ(α)是調整函數，利用了信號的稀疏性，以降低重建與修復的復雜度；

(2)EM修復

對于壁畫圖像I，假設原壁畫圖像向量Y中包含了起甲病害區域Y_miss和觀測到的圖像Y_obs，其中，其中，I_miss是原壁畫圖像I中的缺失區域，I_obs是原壁畫圖像I中的可觀測區域；雖然從觀測到的數據不足以恢復出原圖所有的信息，但是EM算法可以通過對當前圖中的信息不斷地學習迭代來逐步完成信息的猜測補全；

EM算法是通過E和M兩個步驟來完成壁畫圖像的修復，包括以下步驟：

1)進行參數初始化，得到待修復壁畫圖像向量Y_obs，破損區域的掩碼M以及收斂閾值δ；

2)E步驟是對全局數據進行統計觀察，然后推斷出指定待修復壁畫圖像向量Y的數據以及對應的噪聲數值，并更新全局的估計值Y^(t)；Y^(t)實現公式為(4)：

Y^(t)＝Y_obs+(1-M)X^(t) (4)

將上式改寫成對應的向量形式為：

yi(t)=E(yi|Φ,Yobs,σ(t),σ2(t))=yobsi,i∈IobsΦiTα(t),i∈Imiss---(5)]]>

3)M步驟是根據PMLE機制來更新X^(t+1)和

X^(t+1)＝ΦDΦ+Y^(t)

σ2(t+1)=1n[Σi∈Iobs(yi-xi(t))2+(n-n0)σ2]---(6)]]>

其中，n₀＝trM＝cardI_obs是觀察到的像素點的個數，trM是矩陣M的跡，cardI_obs是求有限集合I_obs中的元素個數；D為軟閾值約束，與懲罰函數Ψ(α)相關，將對應的調整應用到Φ的擴張系數上；

與收斂閾值δ相比較，如果滿足式(7)則說明修復已經滿足要求，否則返回步驟E繼續進行迭代；算法的收斂條件為：

||X(t+1)-X(t)||2||X(t)||2≤δ---(7)]]>