[發(fā)明專利]一種基于壓縮感知的古代壁畫起甲病害數(shù)字修復(fù)方法及智能終端系統(tǒng)在審
| 申請?zhí)枺?/td> | 201710697987.0 | 申請日: | 2017-08-15 |
| 公開(公告)號: | CN107481204A | 公開(公告)日: | 2017-12-15 |
| 發(fā)明(設(shè)計(jì))人: | 王慧琴;申婧妮;吳萌;劉加林;劉凱 | 申請(專利權(quán))人: | 西安建筑科技大學(xué) |
| 主分類號: | G06T5/00 | 分類號: | G06T5/00;G06T7/136 |
| 代理公司: | 西安通大專利代理有限責(zé)任公司61200 | 代理人: | 田洲 |
| 地址: | 710055 陜*** | 國省代碼: | 陜西;61 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 壓縮 感知 古代 壁畫 病害 數(shù)字 修復(fù) 方法 智能 終端 系統(tǒng) | ||
技術(shù)領(lǐng)域
本發(fā)明屬于數(shù)字圖像處理領(lǐng)域,具體涉及一種基于壓縮感知的古代壁畫起甲病害數(shù)字修復(fù)方法及智能終端系統(tǒng)。
背景技術(shù)
我國作為一個(gè)文物大國,文物保存、研究、修復(fù)等方面的工作始終是一個(gè)較難解決的問題,很多文物由于無法得到及時(shí)修復(fù)而不能進(jìn)行展示,甚至最終損壞。隨著計(jì)算機(jī)圖像處理技術(shù)的快速發(fā)展,數(shù)字圖像修復(fù)技術(shù)在文物修復(fù)保護(hù)領(lǐng)域中的應(yīng)用日益廣泛。
數(shù)字圖像修復(fù)技術(shù)的思路是根據(jù)圖像中完好區(qū)域的已知信息推測出受損區(qū)域的未知信息,達(dá)到修復(fù)的目的。壓縮感知概念的提出給數(shù)字圖像修復(fù)技術(shù)帶來了一種新思路。壓縮感知能夠在保證信息不丟失的條件下,充分考慮信號的稀疏性,然后根據(jù)遠(yuǎn)低于奈奎斯特的采樣頻率來進(jìn)行信號采集,再經(jīng)過信號重構(gòu)技術(shù)使得最初的信號得以恢復(fù)出來。
目前,數(shù)字圖像修復(fù)技術(shù)的研究工作主要集中在算法上,雖然近年來對其應(yīng)用研究也有了一定的進(jìn)展,但大多數(shù)應(yīng)用都是作為功能簡單的插件被包含在別的軟件中。作為功能完整、獨(dú)立應(yīng)用的圖像修復(fù)系統(tǒng)很少。針對智能終端移動設(shè)備設(shè)計(jì)的壁畫病害修復(fù)的智能終端系統(tǒng)更是缺少。為了研究工作者更方便地開展研究工作,設(shè)計(jì)這樣一個(gè)系統(tǒng)是十分必要的。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于壓縮感知的古代壁畫起甲數(shù)字病害修復(fù)方法及智能終端系統(tǒng),以解決上述技術(shù)問題。該系統(tǒng)能獨(dú)立完成對古代壁畫中起甲病害的標(biāo)注和智能修復(fù)等一系列功能,從而為壁畫的數(shù)字化虛擬展示提供支持。
為了實(shí)現(xiàn)上述功能,本發(fā)明采取如下的技術(shù)方案:
一種基于壓縮感知的古代壁畫起甲病害數(shù)字修復(fù)方法,包括以下步驟:
步驟一,對受損的壁畫圖像進(jìn)行圖像預(yù)處理;預(yù)處理包括圖像去噪和HSV色彩空間轉(zhuǎn)換;
步驟二,提取經(jīng)過步驟一色彩空間轉(zhuǎn)換后數(shù)字圖像的HSV空間中V分量數(shù)據(jù),通過contour函數(shù)畫出亮度等高線圖,對亮度等高線圖進(jìn)行閾值分割,得到分割圖;
步驟三,對分割圖進(jìn)行濾波去噪,再通過形態(tài)學(xué)腐蝕操作得到病害區(qū)域的閉區(qū)間;
步驟四,將壁畫分割圖與受損的壁畫圖像疊加,標(biāo)記出壁畫的起甲病害區(qū)域;
步驟五,利用基于壓縮感知的圖像修復(fù)算法修復(fù)壁畫的起甲病害區(qū)域。
所述的步驟一中圖像去噪采用的是TV算法。
所述的步驟五中基于壓縮感知的圖像修復(fù)算法包括PMLE機(jī)制和EM修復(fù)兩個(gè)步驟:
(1)PMLE機(jī)制
假設(shè)受損壁畫數(shù)字圖像Y有n個(gè)像素點(diǎn);首先,暫且不考慮壁畫圖像的破損區(qū)域,根據(jù)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是過完備的列;α是圖像Y在過完備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(jì)從Y恢復(fù)出圖像X:
其中,是圖像X的恢復(fù)圖像,是指對數(shù)似然函數(shù),pX(x)為先驗(yàn)密度函數(shù);
當(dāng)X能夠被轉(zhuǎn)換成稀疏表示α?xí)r,PLME可以看作最大后驗(yàn)概率的貝葉斯模型,則式(2)更新為:
在上式中,Ψ(α)是利用了信號的稀疏性,以促進(jìn)低復(fù)雜度重建與修復(fù)的調(diào)整函數(shù);
(2)EM修復(fù)
對于圖像I,假設(shè)原圖像向量Y中包含了破損的待修復(fù)區(qū)域Ymiss和觀測到的圖像Yobs,其中,其中,Imiss是原壁畫圖像I中的缺失區(qū)域,Iobs是原壁畫圖像I中的可觀測區(qū)域;雖然觀測到的數(shù)據(jù)不足以恢復(fù)出原圖所有的信息,但是EM算法通過對當(dāng)前圖中的信息不斷地學(xué)習(xí)迭代來逐步完成信息的猜測補(bǔ)全;
EM算法是通過E和M兩個(gè)步驟來完成圖像的修復(fù),包括以下步驟:
1)進(jìn)行參數(shù)初始化,得到觀測到的圖像向量Yobs,破損區(qū)域的掩碼M以及收斂閾值δ;
2)E步驟是對全局?jǐn)?shù)據(jù)進(jìn)行統(tǒng)計(jì)觀察,然后推斷出指定圖像向量Y的數(shù)據(jù)以及對應(yīng)的噪聲數(shù)值,并更新全局的估計(jì)值;實(shí)現(xiàn)公式為(4):
Y(t)=Y(jié)obs+(1-M) (4)
將上式改寫成對應(yīng)的向量形式為:
3)M步驟是根據(jù)PMLE機(jī)制來更新X(t+1)和
X(t+1)=ΦDΦ+Y(t)
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于西安建筑科技大學(xué),未經(jīng)西安建筑科技大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.17sss.com.cn/pat/books/201710697987.0/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 基于策略的業(yè)務(wù)感知模型及感知方法
- 一種基于分區(qū)感知的無線通信系統(tǒng)頻譜感知方法
- 確定空閑頻段的方法和系統(tǒng)、中心節(jié)點(diǎn)和感知節(jié)點(diǎn)
- 感知無線網(wǎng)絡(luò)的共享協(xié)作頻譜感知方法、感知節(jié)點(diǎn)和匯聚中心
- 感知無線網(wǎng)絡(luò)的協(xié)作頻譜感知方法和感知節(jié)點(diǎn)
- 頻譜感知方法、頻譜感知設(shè)備和數(shù)據(jù)庫
- 基于認(rèn)知數(shù)據(jù)庫和頻譜感知的頻譜共享方法及裝置
- 一種頂層感知限位組
- 一種自動駕駛汽車用升降式智能感知模塊
- 感知數(shù)據(jù)獲取方法和裝置





