【摘 要】
:
古代石刻文献在我国历史文化研究中向来都是一项不可或缺的研究内容,具有重要的史料价值,但由于自然环境的侵蚀或是人为破坏,石刻文献的表面出现了若干大小不一、分布不均、形状多变的干扰区域,这不仅影响了人们的观感需求,而且对历史研究造成阻碍。信息化时代的来临,可将重要的石刻文献进行数字化储存以延长文物保存时间,也可通过网络共享的方式对石刻文献进行二次传播,打破时间地点的限制,增加古代历史文化的受众面,使用
论文部分内容阅读
古代石刻文献在我国历史文化研究中向来都是一项不可或缺的研究内容,具有重要的史料价值,但由于自然环境的侵蚀或是人为破坏,石刻文献的表面出现了若干大小不一、分布不均、形状多变的干扰区域,这不仅影响了人们的观感需求,而且对历史研究造成阻碍。信息化时代的来临,可将重要的石刻文献进行数字化储存以延长文物保存时间,也可通过网络共享的方式对石刻文献进行二次传播,打破时间地点的限制,增加古代历史文化的受众面,使用积极正面的引导方式促进中华优秀文化的传播。面对大量的石刻文献修复,仅依靠手工复原的方式效率低且易造成二次损坏,故本文对残损石刻文献使用数字化修复的手段进行有益探索,在节约人力物力的基础上,尽可能地依据石刻文献图像中的有效像素点进行修复,在一定程度上不仅促进石刻文献的数字化保护工作,又可避免再次的损坏。本文的研究内容如下:首先,针对现有文字数据集缺乏的问题进行讨论,并提出建立不规则干扰石刻文献数据库的方法。目前尚未有完整公开的石刻文献数据集,给石刻文献的不规则干扰修复问题造成了困扰。本文通过分析石刻文献的自然破损的成因以及破损图案的数据特点,对真实场景下的石刻文献样本进行采集构建文字样本数据集,经图像预处理后,本文提出干扰图案检测算法对残损石刻文献图像中的破损区域进行数据采集,并在训练时随机进行裁剪、旋转、翻折等,进一步扩充干扰掩模数据库的样本种类。然后,构建石刻文献不规则干扰修复模型。现有文字图像修复研究集中于异色的线条类干扰,无法解决现实场景下的文字图像干扰问题。针对此问题本文使用U-NET框架对残损石刻文献进行复原,并通过部分卷积对缺失区域进行有效预测,在感知损失、风格损失及感知损失的共同约束之下,构建石刻文献不规则修复模型,根据现有字体风格对缺失笔段进行复原,突破石刻文献图片中干扰图案的形状、颜色限制。与自然场景图像不同的是文字类图像对于文字内部结构,即重构图像区域的细节复原度要求极高。针对此问题本文通过文字识别接口,使用间接性的手段对文字修复效果进行验证,用于评定修复细节的合理性。最后,对真实石刻文献图片进行修复。真实场景下的石刻文献图片由于扫描设备、光线、保存环境等影响,初始采集的图像往往不能达到修复的理想状态,需要通过倾斜矫正、灰度化、二值化等一系列的处理得到修复的原始图片。经过预处理后通过贪婪算法对不规则干扰的石刻文献图像干扰局域进行标定,并使用已预训练好的模型根据缺损区域周围的有效像素进行逐步修复。经试验证明该模型可有效根据测试图片的字体、形状以及笔画走向对文字缺失部分进行预测,PSNR最高达到32.58 d B,LOSS最佳达到0.015。与其他复原方法相比,本文方法不仅解决了同色不规则干扰的修复难题,并在文字图像的修复上主观视觉效果和图像质量评价结果均有明显提升,文字识别率修复前后提升30.49%。在真实场景下的石刻文献修复之中,有效地对干扰区域进行标定,根据测试图片字体形状重建出细节丰富,且笔画边缘平滑的文字,大大缩短了人为修复所需的精力和时间。
其他文献
构建一个完备的无线传感器网络的首要问题是如何对传感器节点进行部署。由于传感器节点部署过程中受复杂环境及抛洒方式的影响会导致监测区域中覆盖漏洞的产生。对此,本文以由动态及静态节点共同组成的混合无线传感器网络为研究对象,对二维平面及三维空间的覆盖优化问题展开研究,提出基于Delaunay三角剖分策略的优化方案,其主要工作如下:(1)针对二维覆盖优化研究中几何学方法难以运用概率感知模型的问题,提出了基于
三七生长于潮湿、温暖和遮荫等环境下,这类环境容易诱发各类疾病,其发病情况对三七的产量和品质有决定性影响作用,随着种植体量的增大,病害的种类和面积逐年增加。目前,在三七发病率预测方向,研究仍停留在定性描述三七发病率与气象因子关系;在三七叶片病害识别方向,仍依赖于人工主观识别或采用浅层模型进行检测,但这些方法存在预测与识别速度慢、准确率低、泛化性和鲁棒性差等问题,难以高效地掌握三七发病规律,从而不能有
近年来,随着互联网技术的迅速发展,众包模式在各行各业得以应用。众包作为一种面向互联网大众的问题解决机制,聚合大众智慧以更好地解决问题。在众包场景下,众包任务和工人拥有不同需求及意愿,将众包任务分配给与其需求不相符的工人会影响众包任务的完成质量。同时,在众包发包者与工人进行交互的过程中,分配结果可能随着分配双方发现更好的合作对象而有所变更,从而出现无效分配影响分配结果的稳定性。因此,如何有效地将众包
眼底视网膜血管图像作为人体唯一一处不需要侵入性手段就可以获得的血管图像,具有较高的临床价值。眼科以及内科的专家可以根据视网膜血管呈现的不同特征,较为精准的判断多种疾病。然而,在实际的应用中,由于视网膜血管结构复杂以及采样光照和成像设备的影响,常常导致眼底血管图像难以观察,增加了医生的工作难度。因此,研究出一种自动化的高精度视网膜血管分割算法,对于目前的临床辅助诊断非常重要。本文基于深度学习技术对视
供水系统作为城市的基础设施,水质质量直接影响人们的用水安全。在净水厂处理工业中,混凝沉淀是水处理系统的重要工序,决定着水厂出水质量和制水成本,其中混凝剂投加量的控制是关键。由于进入净水厂原水水质地波动,净水厂混凝投药过程存在较大的时滞性,很难及时且精准的计算投药量。因此,对水厂混凝投药系统进行建模,来预测投药量,对保证供水质量安全、降低能耗十分有意义。本研究通过径向基(RBF)神经网络预测模型对水
阿尔茨海默症(Alzheimer’s Disease,AD)是最常见的神经退化疾病之一,严重危害患者的生命健康。核磁共振成像(Magnetic Resonance Imaging,MRI)和正电子发射计算机断层成像(Positron Emission Tomography,PET)可以分别提供大脑的结构与功能信息。国内外最新研究表明,结合同一受试者的MRI和PET图像将有助于提升AD辅助诊断的准确
车联网(Internet of Vehicles,IoVs)是物联网在智能交通领域的重要组成部分,利用车联网技术为车辆提供事故预警消息对于减少或避免次生事故的发生、提高交通安全具有重大意义,是当前车联网应用的研究热点之一。高速公路上由于车辆行驶速度快、车辆位置频繁变化等,导致车间信道条件差、传输不稳定,使得事故预警消息的分发面临严峻挑战。此外,将事故视频作为预警消息进行传播时,能够提供传统文本消息
行人重识别(Person Re-Identification,Re ID)旨在通过非重叠相机采集到的图像中找到与查询图像身份相同的行人,它通常也被认为是图像检索的子问题。近年来随着深度学习的兴起,行人重识别技术在智能监控、安防等领域得到广泛地发展及应用。现有的大多数行人重识别算法都是在同一数据集上进行有监督的训练后再测试,这类算法虽然性能较高,但是极大的限制了其可扩展性。在现实场景中,通常需要将训
海洋资源的开发利用是未来发展的战略重地,因为水下环境恶劣,人们通常借助水下机器人进行海洋探索,通过对水下视频和图像的研究分析,实现海底考古、海洋军事勘察、海洋牧场养殖、海洋环境监测、海洋生物保护等任务。水下拍摄环境复杂恶劣,大量噪声和失真的产生使拍摄的图像质量低下,导致关键特征信息丢失,因此如何获得高质量的水下图像显得尤为重要。为了获取高质量的水下图像,本文针对常见的自然光照下浅海图像和人工补充照
近几年,随着人工智能技术的广泛应用,句法分析等深层自然语言分析的关注度越来越高。句法分析的主要任务是分析一个句子的构成,并使其可以转化成句法树。通过句法分析,可以解析一个句子的构成词块,词与词之间的关系,从而帮助机器理解自然语言,并运用于机器翻译、自动问答、文摘生成等语义理解领域中。句法分析是自然语言处理的一个经典任务,本文主要研究汉语层次句法分析中的边界问题。首先通过剖析短语结构的层次句法分析的