论文部分内容阅读
摘要：本文主要是利用D-S证据理论数据融合方法，针对修复区域填充算法的优先权函数进行改进的图像修复算法。该算法是有效的，其克服了Criminisi算法及其改进算法不能很好地修复中国古代壁画的缺点，修复效果较其他改进算法有了显著提高。
关键词：优先权编码；中国古代壁画；复杂破损；区域修复
随着时间的推移，中国古壁画也在不断经受岁月的洗礼，出现龟裂和剥落，并且很多色质已经褪变。本文主要针对质变中国古壁画，分析了修复技术，旨在为相关研究提供参考。
一、确定優先权函数
（一）确定图像修复算法优先权函数的方式
在Criminisi算法之上，针对优先权函数P（p）做出了一定的改良，主要是以下：
假设，I是待修复图像，Ψ是破损区域，Υ（Υ=I-Ψ）主要是没有破损区域，Ψ是破损区域边界，p是在Ψ上的点，ψp就是将p点作为中心。
图像修复算法优先权函数是[8]P（p）=C（p）D（p）；而在很多文献中，把它改成：
在式（2）中可以推算出，在目标块ψp中，其在未损坏区域φ里分布的像素点很多，并且块ψp就有着跟高的置信度。
在式（3）中可以看出，在P点位置上，其等照线强度越大，并且和法向量存在的夹角越小，得出的D（p）数据值会更大。这样才可以促进图像线性区域的填充，这种在修复纹理的的过程中，也能够扩展图像结构。
（二）D-S证据理论数据融合方法对优先权函数的改进
1.基本概率赋值
基本概率的分布函数开看，合并他们所对应的识别框架，这就是整体的证据体，针对不同数据，形成了一个证据体。在这个过程中，生成的新证据体包含了所有融合的信息，按照决策规则，展开有效的决策。因此，针对目标块ψp的信任因子C（p）和数据因子D（p）要分别转化为基本概率赋值函数，即
（三）本文算法
在本文中使用的图像修复算法改进主要是包含三主要步骤：
Step1，按照在第1节中，D-S证据理论数据融合方法的使用，将破损的区域边缘点作为中心的优先权函数P（p）。
Step2，找到最佳样本块修复优先权最高的块。
Step3，更新信任因子C（p）。
二、实验及结果分析
在敦煌壁画修复中，利用本文算法，在对结果进行检验的过程中，主要是采取了Matlab6。
在图1①中能够看到，在图像中，存在着背景模糊的问题，并且同时存在破损和噪声。可以发现，一共存在5个破损的区域，其中一个地方是破损十分严重的，并且存在结构信息，也有纹理信息。在图中能够看出，在佛像肩部，存在一个区域没有修复好，并且站在视觉心理学上来看，其修复结果存在错误。利用本文的算法，修复图1②，其修复结果参考图1④。由此可知，和图1③比起来，在图1④的佛像肩部地方，修复的十分完整。在其肩部的区域中，有着清晰的构造和纹理，基本已经符合理想的状态要求。
在修复次数上来讲，图1③进行了120次的修复，早图1④中，进行了140次的修复，因此，综合来将，图1③和图1④相比，少20次，这也导致图1③未能够完全修复。在实验中可知，利用文献算法，有着很大的局限性，并且针对“不知道”的修复像素，无法进行精准的修复，并且在图1④中，没有修复的像素。对于那些破损面积大，并且没有规则形状，需要修补区域大的图像，不能有效修复。另外，对于优先权值，在图1③中可知，随着填充过程，优先权也会不断下降。在实验中可以得出，信任因子C（p）和数据因子D（p），二者能够对优先权曲线，同时进行有效的支配。如果破损区域比较大，那么其P（p）的值出现很大的不确定性，导致破损区域出现任意填充的现象，对填充顺序造成了破坏，使得修复区域边缘出现破坏的现象，产生了例如图1③，在佛像肩部边缘，有着错误的修复。从图1④修复效果可以看出，利用本文算法，可以使得修复目标图的过程中，有效对曲线平滑度进行控制，并且确保曲线的形状，同时也能够充分对像素进行修复，保证合理的修复程度和顺序，这也说明，利用这种算法，可以对中国古壁画存在的修复问题进行有效的解决，可以实际利用在工程中。
参考文献
[1]王宏斌，刘娜.基于优先权编码的改进禁忌搜索算法求解TSP问题[J].物流科技，2017（06）：107-109.
[2]杜宇.以图像学研究法分析唐代敦煌壁画中的女性形象[J].艺术与设计（理论），2018，2（08）：116-117.
[3]李升.敦煌壁画的数字化保护与传播研究[J].艺术教育，2018（16）：85-86.
（作者单位：广东工业大学）
关键词：优先权编码；中国古代壁画；复杂破损；区域修复
随着时间的推移，中国古壁画也在不断经受岁月的洗礼，出现龟裂和剥落，并且很多色质已经褪变。本文主要针对质变中国古壁画，分析了修复技术，旨在为相关研究提供参考。
一、确定優先权函数
（一）确定图像修复算法优先权函数的方式
在Criminisi算法之上，针对优先权函数P（p）做出了一定的改良，主要是以下：
假设，I是待修复图像，Ψ是破损区域，Υ（Υ=I-Ψ）主要是没有破损区域，Ψ是破损区域边界，p是在Ψ上的点，ψp就是将p点作为中心。
图像修复算法优先权函数是[8]P（p）=C（p）D（p）；而在很多文献中，把它改成：
在式（2）中可以推算出，在目标块ψp中，其在未损坏区域φ里分布的像素点很多，并且块ψp就有着跟高的置信度。
在式（3）中可以看出，在P点位置上，其等照线强度越大，并且和法向量存在的夹角越小，得出的D（p）数据值会更大。这样才可以促进图像线性区域的填充，这种在修复纹理的的过程中，也能够扩展图像结构。
（二）D-S证据理论数据融合方法对优先权函数的改进
1.基本概率赋值
基本概率的分布函数开看，合并他们所对应的识别框架，这就是整体的证据体，针对不同数据，形成了一个证据体。在这个过程中，生成的新证据体包含了所有融合的信息，按照决策规则，展开有效的决策。因此，针对目标块ψp的信任因子C（p）和数据因子D（p）要分别转化为基本概率赋值函数，即
（三）本文算法
在本文中使用的图像修复算法改进主要是包含三主要步骤：
Step1，按照在第1节中，D-S证据理论数据融合方法的使用，将破损的区域边缘点作为中心的优先权函数P（p）。
Step2，找到最佳样本块修复优先权最高的块。
Step3，更新信任因子C（p）。
二、实验及结果分析
在敦煌壁画修复中，利用本文算法，在对结果进行检验的过程中，主要是采取了Matlab6。
在图1①中能够看到，在图像中，存在着背景模糊的问题，并且同时存在破损和噪声。可以发现，一共存在5个破损的区域，其中一个地方是破损十分严重的，并且存在结构信息，也有纹理信息。在图中能够看出，在佛像肩部，存在一个区域没有修复好，并且站在视觉心理学上来看，其修复结果存在错误。利用本文的算法，修复图1②，其修复结果参考图1④。由此可知，和图1③比起来，在图1④的佛像肩部地方，修复的十分完整。在其肩部的区域中，有着清晰的构造和纹理，基本已经符合理想的状态要求。
在修复次数上来讲，图1③进行了120次的修复，早图1④中，进行了140次的修复，因此，综合来将，图1③和图1④相比，少20次，这也导致图1③未能够完全修复。在实验中可知，利用文献算法，有着很大的局限性，并且针对“不知道”的修复像素，无法进行精准的修复，并且在图1④中，没有修复的像素。对于那些破损面积大，并且没有规则形状，需要修补区域大的图像，不能有效修复。另外，对于优先权值，在图1③中可知，随着填充过程，优先权也会不断下降。在实验中可以得出，信任因子C（p）和数据因子D（p），二者能够对优先权曲线，同时进行有效的支配。如果破损区域比较大，那么其P（p）的值出现很大的不确定性，导致破损区域出现任意填充的现象，对填充顺序造成了破坏，使得修复区域边缘出现破坏的现象，产生了例如图1③，在佛像肩部边缘，有着错误的修复。从图1④修复效果可以看出，利用本文算法，可以使得修复目标图的过程中，有效对曲线平滑度进行控制，并且确保曲线的形状，同时也能够充分对像素进行修复，保证合理的修复程度和顺序，这也说明，利用这种算法，可以对中国古壁画存在的修复问题进行有效的解决，可以实际利用在工程中。
参考文献
[1]王宏斌，刘娜.基于优先权编码的改进禁忌搜索算法求解TSP问题[J].物流科技，2017（06）：107-109.
[2]杜宇.以图像学研究法分析唐代敦煌壁画中的女性形象[J].艺术与设计（理论），2018，2（08）：116-117.
[3]李升.敦煌壁画的数字化保护与传播研究[J].艺术教育，2018（16）：85-86.
（作者单位：广东工业大学）