一种基于GNN的文物图像复原方法技术

本发明专利技术公开了一种基于GNN的文物图像复原方法，把掉色、轻微残缺文物照片复原成较为完整的彩色图像，包括以下步骤：a)采集训练图像；b)图像预处理；c)基于深度卷积网络构造GNN网络；d)对GNN网络进行训练；e)根据训练好的GNN网络生成文物复原图像。本发明专利技术的一种基于GNN网络的文物图像复原方法，能够非人工地生成掉色文物可能的颜色特征，把边角有轻微损坏的部分自动补全。比如对损坏的壁画进行恢复，复原其残缺的部分或者恢复其原色彩，本发明专利技术可以省去人工设计、还原的繁琐步骤。

A method of restoration of cultural relics image based on GNN

The invention discloses a restoration method for GNN image based on the restoration of cultural relics, cultural relics photos fade, slightly incomplete color image is more complete, including the following steps: a) b) collection of training images; image preprocessing; c) convolutional network structure based on GNN network; d) to train the GNN network; e according to the GNN network) generate trained image artifacts. The invention of a restoration method for GNN network of cultural relics based on image can generate non artificial color artifacts may fade, the corners are slightly damaged part of the automatic completion. For example, restoration of damaged mural, restoration of its incomplete parts or restoration of its original color, the invention can save the cumbersome steps of manual design and reduction.

【技术实现步骤摘要】
一种基于GNN的文物图像复原方法
本专利技术属于计算机视觉和模式识别领域，涉及模式识别、数字图像处理、人工智能、计算机科学等多门学科，具体涉及一种基于GNN网络的文物图像复原方法。
技术介绍
壁画等文物具有丰富的艺术价值和历史意义，运用深度学习迁移图像风格能够节省很多人力、物力去设计、构想被破坏的文物。本文以迁移图像风格，给褪色或轻微残缺的文物上色或自动构造其残缺的形态部分，能够给文物工作者减轻构想、设计方面极大的工作量。
技术实现思路
专利技术目的：针对现有技术中存在的问题，本专利技术提供一种基于GNN网络的文物图像复原方法。技术方案：为解决上述技术问题，本专利技术的一种基于GNN网络的文物图像复原方法采用如下技术方案：一种GNN网络的文物图像复原方法，包括以下步骤：a、采集文物图像；b、预处理步骤a中采集到的图像，对训练图像进行大小归一化处理，把较大像素的图像分割或者提取重要的部分，得到若干个训练样本，将其处理为256*256像素；c、基于深度卷积网络构造GNN网络；d、对GNN网络进行训练；e、根据训练好的GNN网络复原受损的文物的图像；f、如果在步骤b中把图像分割成较小的部分，需本文档来自技高网...

【技术保护点】
一种基于GNN的文物图像复原方法，其特征在于，包括以下步骤：a、采集文物图像；b、预处理步骤a中采集到的图像，对训练图像进行大小归一化处理，把较大像素的图像分割或者提取重要的部分，得到若干个训练样本，将其处理为256*256像素；c、基于深度卷积网络构造GNN网络；d、对GNN网络进行训练；e、根据训练好的GNN网络复原受损文物的图像；f、如果在步骤b中把图像分割成较小的部分，需要将它们拼接起来。

【技术特征摘要】
1.一种基于GNN的文物图像复原方法，其特征在于，包括以下步骤：a、采集文物图像；b、预处理步骤a中采集到的图像，对训练图像进行大小归一化处理，把较大像素的图像分割或者提取重要的部分，得到若干个训练样本，将其处理为256*256像素；c、基于深度卷积网络构造GNN网络；d、对GNN网络进行训练；e、根据训练好的GNN网络复原受损文物的图像；f、如果在步骤b中把图像分割成较小的部分，需要将它们拼接起来。2.如权利要求1所述的一种基于GNN网络的文物图像复原方法，其特征在于，步骤c中使用卷积神经网络构造GNN的生成器，包括以下步骤：(1)设置卷积神经网络模型的网络层为4层；(2)每一层的卷积核为4*4，使用LeakyReLU激活函数，步长为2，每经过一层，长、宽分别缩小至原来的1/2；(3)设置反卷积网络为4层，反卷积层是卷积层网络的逆过程；(4)前三层的反卷积核为4*4，使用LeakyReLU激活函数，步长为2，每经过一层，长宽分别扩大至原来的2倍；(5)第四层的反卷积核为4*4，不使用激活函数，反卷积的输出即为生成器的输出，它是256*256像素的一幅图像。3.如权利要求1所述的一种基于GNN网络的文物图像复原方法，其特征在于，步骤c中使用多层卷积网络构造GNN的判别器，包括以下步骤：(1)设置判别子网络模型的网络层数为5层；(2)前4层卷积核是4*4，使用LeakyReLU激活函数，步长为2，每经过一层，长、宽分别缩小至原来的1/2；(3)第五层卷积核为4*4，不使用激活函数，步长为4，输出即为对抗网络的输出，它是256*256的一幅图像。4.如权利要求1所述的一种基于GNN网络的文物图像复原方法，其特征在于，步骤c中，连接生成器和判别器，包括以下步骤：(1)将原始图像输入到GNN中，得到第一张不同风格的图像，把得到的这张图像继续输入GNN中，得到第二张生成的图像；(2)为了经过一个序列的两个生成器后，图像的变化量尽量小，使类似于加入噪声的图像输入变化范围在一定的区域内，使输入和输出共享一些特征，计算原始图像与第二张图像的相似度，通过调整这个相似度控制生成器的变化范围；(3)使用另一张原始图像，重复步骤(1)和(2)，得到另一组两个生成器的输出组成的序列结构；(4)把第一组序列的初始图像当做真样本输入第一个判别器，把第二组序列中通过第一个生成器产生的图像作为假样本输入第一个判别器；(5)与(4)类似，把第二组序列的初始图像当做真样本输入第二个判别器，把第一组序列中通过第一个生成器产生的图像作为假样本输入第二个判别器。5.如权利要求1所述的一种基于GNN网络的文物图像复原方法，其特征在于，步骤d中对该GNN网络进行训练，包括以下步骤：(1)将一张图像XA，经过GNN网络GAB变成另一种风格的图像XAB，公式如下：GAB(XA)＝XAB(2)通过判别器DB来衡量生成器的效果，计算生成XAB的损失函数，PA为XA的分布，公式如下：(3)让XAB通过生成器GBA，还原成与XA相似的图像XABA，公式如下：(4)计算XA与XABA的相似度LCONSTA，公式如下：(5)与(1)类似，将一张图像XB，通过生成器GBA变成另一种风格的图像XBA，公式如下：GB...

【专利技术属性】
技术研发人员：储荣，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32