基于边缘引导与多尺度残差块的古画修复方法技术

一种基于边缘引导与多尺度残差块的古画修复方法，由建立古画修复数据集、构建古画修复网络、训练古画修复网络、保存模型、验证古画修复网络、测试古画修复网络步骤组成。由于本发明专利技术使用古画边缘图来引导古画补全网络生成完整古画，使得修复的内容与原始边缘相吻合；采用多尺度残差块来学习古画不同尺度的语义特征，有效地修复了受损区域的纹理和颜色，修复后的古画整体协调一致；采用极化自注意力机制模块，提高了修复模型对重要结构、边缘和细节的关注度，使修复区域恢复了清晰的线条和丰富的细节。本发明专利技术与现有技术相比，具有能够更好的修复古画纹理、边缘和色彩等优点，适用于古画的修复。

【技术实现步骤摘要】

本专利技术属于计算机应用，具体涉及到图像修复。

技术介绍

1、中国古画作为我国宝贵的文化遗产，具有极高的文化和艺术价值。随着时间的流逝和其他外界因素的干扰，许多古画遭受了大面积的损坏和褪色。传统的手工修复方法容易受到人力和技术的限制，难以应对大规模修复的需求，且使用物理和化学的手段可能会损坏原画。近年来，数字化修复技术得到了广泛应用。借助计算机技术和图像处理方法，数字化修复可以更加精准地还原古画的原貌，同时缩短修复时间并降低了古画再次受损的风险。因此，引入数字化修复技术对古画修复领域具有重要研究价值。

2、数字化修复主要依赖于已知区域与受损区域之间的相关性，利用已知像素信息重建缺失的像素，进而恢复缺失区域的真实内容。根据修复方法的不同，数字化修复可分为传统方法和深度学习方法两大类。传统方法可进一步分为基于扩散的方法和基于样例的方法。基于扩散的方法主要利用偏微分方程将像素逐步扩散至缺失区域。但该方法存在误差传播问题，导致修复区域过于平滑，不适用于较大面积的修复。基于样例的方法解决了基于扩散方法所存在的过度平滑问题，但是检索速度和匹配效率较低，随着本文档来自技高网...

【技术保护点】

1.一种基于边缘引导与多尺度残差块的古画修复方法，其特征在于由下述步骤组成：

2.根据权利要求1所述的基于边缘引导与多尺度残差块的古画修复方法，其特征在于：在步骤(2)构建古画修复网络中，所述的下采样模块由卷积核大小为7×7且步长为1的卷积层1与实例归一化层1、ReLU激活函数层1、卷积核大小为4×4且步长为2的卷积层2、实例归一化层2、ReLU激活函数层2、卷积核大小为4×4且步长为2的卷积层3、实例归一化层3、ReLU激活函数层3、卷积核大小为4×4且步长为2的卷积层4、实例归一化层4、ReLU激活函数层4依次串联构成。

3.根据权利要求1所述的基于边缘引导与...

【技术特征摘要】

1.一种基于边缘引导与多尺度残差块的古画修复方法，其特征在于由下述步骤组成：

2.根据权利要求1所述的基于边缘引导与多尺度残差块的古画修复方法，其特征在于：在步骤(2)构建古画修复网络中，所述的下采样模块由卷积核大小为7×7且步长为1的卷积层1与实例归一化层1、relu激活函数层1、卷积核大小为4×4且步长为2的卷积层2、实例归一化层2、relu激活函数层2、卷积核大小为4×4且步长为2的卷积层3、实例归一化层3、relu激活函数层3、卷积核大小为4×4且步长为2的卷积层4、实例归一化层4、relu激活函数层4依次串联构成。

3.根据权利要求1所述的基于边缘引导与多尺度残差块的古画修复方法，其特征在于：在步骤(2)构建古画修复网络中，所述的上采样模块由卷积核大小为3×3且步长为1的卷积层5与实例归一化层5、relu激活函数层5、卷积核大小为3×3且步长为1的卷积层6、实例归一化层6、relu激活函数层6、卷积核大小为3×3且步长为1的卷积层7、实例归一化层7、relu激活函数层7、卷积核大小为3×3且步长为1的卷积层...

【专利技术属性】
技术研发人员：孙增国，雷棪棪，吴晓军，刘佳兴，张志远，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：