一种基于遗传算法的壁画脱落病害自动修复方法技术

本发明专利技术涉及一种基于遗传算法的壁画脱落病害自动修复方法，包括以下步骤：采集数字化壁画脱落图像，通过数学形态学对壁画脱落病害图像进行标注；通过遗传算法对脱落破损区域的结构信息和纹理信息分别进行修复。本发明专利技术充分利用壁画脱落本身颜色特征，在脱落病害自动标注过程中使用多尺度形态学边缘梯度检测提取边缘信息，通过图像增强技术突出图像的目标区域，获取脱落边缘；然后利用遗传算法的优化性能，根据脱落破损区域的结构信息和纹理信息分别进行修复，恢复壁画图像中丢失的信息，使壁画图像更加清晰与自然，从而保持与原始壁画图像具有一定相似精度的整体视觉效果，使得恢复效果更为准确有效。

【技术实现步骤摘要】
一种基于遗传算法的壁画脱落病害自动修复方法
本专利技术属于数字化图像处理
，尤其是一种基于遗传算法的壁画脱落病害自动修复方法。
技术介绍
壁画文化是我国文化遗产不可或缺的一角，作为壁画的代表，敦煌壁画包括敦煌莫高窟、西千佛洞、安西榆林窟等多个石窟壁画，主要涉及佛像画、经变画、人画像、装饰画、山水画、故事画等多种类别，历代壁画多达五万多平方米。其中敦煌莫高窟内保存有十六国、隋、唐、五代、元等十多个朝代的壁画，其壁画种类丰富，内容繁多，具有珍贵的历史、文化和艺术价值；但是莫高窟也在遭遇着相应的变化，在外界环境以及人为因素的影响下，壁画出现脱落、起甲、裂缝、地仗酥碱等多种病害，这些病害对壁画造成了不可逆的伤害。针对上述病害，传统修复方法主要采用手工修复方式对壁画进行修复。由于存在专业技术人员的匮乏、修复手段单一、耗费时间长、修复效率低等问题，使得壁画保护形势严峻。随着计算机技术、图像处理技术等新兴技术的出现，壁画数字化在壁画保护工作中发挥越来越重要的作用，并作为一种发展趋势被国家和文物科研工作者所重视。通过古建筑壁画的数字化采集，使得壁画通过现代化的数字技术进行永久保存，同时利用计算机图像领域的最新理论和方法对壁画进行标注与修复，为古建筑壁画的保护提供有效的技术支撑。数字化图像修复技术的最终目标是实现对古建筑壁画的复原功能，即运用先进人工智能技术完成对壁画的修复。首先，应用高分辨率相机将连续的模拟壁画图像信号转换成离散的壁画数字信号；其次，对数字壁画图像进行修复和复原。现有的数字图像修复方法对于脱落病害的修复一般是结构和纹理同时修复，但此类方法对经过轮廓线的脱落病害修复效果甚微，由此可见经过轮廓线的脱落病害更难修复，需要对其进行探索更合适的修复方法。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提出一种基于遗传算法的壁画脱落病害自动修复方法，解决不能对壁画脱落病害进行有效恢复的问题。本专利技术解决其技术问题是采取以下技术方案实现的：一种基于遗传算法的壁画脱落病害自动修复方法，包括以下步骤：步骤1、采集数字化壁画脱落图像，通过数学形态学对壁画脱落病害图像进行标注；步骤2、通过遗传算法对脱落破损区域的结构信息和纹理信息分别进行修复。进一步，所述步骤3后还包括依据数字图像修复结果对实际壁画脱落病害的颜料层进行修复的步骤。进一步，所述步骤1的具体实现方法包括以下步骤：⑴应用高分辨率数码相机采集获得数字化壁画脱落图像，将采集到RGB空间的壁画脱落图像处理转换到HSV颜色空间；⑵对得到的HSV颜色空间的图像通过中值滤波方法进行图像预处理；⑶采用多尺度形态学边缘梯度检测方法，获取预处理后的壁画图像边缘；⑷采用高帽变换方法增强图像的边缘尺度；⑸采用最大类方差法自适应阈值分割技术获取脱落边缘；⑹采用连通域标记算法获取壁画脱落边缘掩码，对于获取后的脱落边缘掩码进行内部填充。进一步，所述步骤⑶多尺度形态学边缘梯度检测方法的数学表达式为：式中f(x,y)表示灰度图像，bi(x,y)为结构元素，k为尺度参数，表示形态学腐蚀算子，表示形态学膨胀算子。进一步，所述步骤2的具体处理方法包括以下以下步骤：⑴对标注后的壁画结构信息进行提取，获取轮廓线相关信息及周围信息；⑵构建遗传算法目标函数，查找匹配的轮廓线，恢复图像受损区域中的结构信息；⑶将纹理信息填充到所有破损区域，完成壁画脱落壁画的修复。进一步，所述步骤⑴采用Canny边缘检测算法进行壁画结构信息进行提取。进一步，所述轮廓线相关信息是指与破损区域相接触的各条相关轮廓线；所述周围信息是与破损区域相接触的周围图像的基本特征，包括平均亮度、对比度及曲线平滑度。进一步，所述步骤⑵的具体实现方法包括以下步骤：①提出如下优化目标假设：至少存在一对匹配的相关轮廓线；匹配的相关轮廓曲线必须有可能在破损区域进行连接；②采用曲线拟合的方法对遗传算法目标函数进行设计，将优化目标转换成目标函数。进一步，所述步骤②的具体实现方法为：对于任何一个轮廓线，设y＝f(x)，其在任意点x的曲率计算公式：目标函数表示为：其中，β是表示用于平衡优化目标的匹配阈值参数；M是匹配轮廓线的匹配对数；Di表示第i对匹配轮廓线的匹配程度。染色体的适应度函数表示为：其中，Nind是染色体数目，Nx是染色体x的由大到小排序中的序号；max表示适应度的最大值，染色体的适应度越高，遗传概率就越大，即选择保留染色体基因的概率就越大。进一步，所述步骤⑶的具体实现方法包括以下步骤：①计算填充优先级，确定待修复壁画图像中的修复块ψp的修复优先级P(p)：P(p)＝max{nS(p)}其中，S(p)表示修复块区域内的未破损区域像素，n代表复块区域内的未破损区域像素的个数；确定填充优先级后P(p)，计算出具有最大填充优先级的修复块作为当前准修复块，记为ψp^：其中，M代表修复块中破损区域内的像素总个数，P(p)为每个像素对应修复块的填充优先级；②填充纹理信息，找到与准修复块ψp^最相似的修复块，记为最佳匹配块ψq^，完成修复：其中，D代表修复块中的破损区域，d(ψp^,ψq)被定义为两个像素块ψp^与ψq之间的色值误差平方和。本专利技术的优点和积极效果是：1、本专利技术充分利用壁画脱落本身颜色特征，在脱落病害自动标注过程中使用多尺度形态学边缘梯度检测提取边缘信息，通过图像增强技术突出图像的目标区域，获取脱落边缘；然后利用遗传算法(GeneticAlgorithm,GA)的优化性能，将GA算法引入到古建筑壁画图像修复过程中，根据脱落破损区域的结构信息和纹理信息分别进行修复，恢复壁画图像中丢失的信息，使壁画图像更加清晰与自然，从而保持与原始壁画图像具有一定相似精度的整体视觉效果，使得恢复效果更为准确有效。2、本专利技术针对的应用对象为壁画脱落病害。在脱落病害的标注环节中，针对破损区域周围结构信息为线性结构的壁画脱落病害，采用病害分割方式，通过分析壁画算例在HSV颜色空间的颜色特征，采用中值滤波来去除噪声并增强图像对比度，再运用数学形态学中的形态学梯度变换和高帽变换实现对壁画算例的目标边缘提取，对获取后的脱落边缘进行内部填充，最后将得到的脱落区域掩码与原图进行加运算，从而实现了壁画脱落病害的准确标注功能。3、本专利技术对于标注后的壁画图像采用基于遗传算法的图像修复算法进行修复，在修复过程中首先将结构修复问题转换为遗传算法优化问题，然后利用遗传算法的全局优化能力，实现对破损区域结构信息的连接，之后对纹理进行填充，从而获得理想的修复效果，使得经过轮廓线的脱落病害修复问题得到合理有效地解决。附图说明图1为本专利技术修复方法的流程图；图2为本专利技术经过单条轮廓线的脱落标注过程图；图3为本本文档来自技高网...

【技术保护点】
1.一种基于遗传算法的壁画脱落病害自动修复方法，其特征在于包括以下步骤：/n步骤1、采集数字化壁画脱落图像，通过数学形态学对壁画脱落病害图像进行标注；/n步骤2、通过遗传算法对脱落破损区域的结构信息和纹理信息分别进行修复。/n

【技术特征摘要】
1.一种基于遗传算法的壁画脱落病害自动修复方法，其特征在于包括以下步骤：
步骤1、采集数字化壁画脱落图像，通过数学形态学对壁画脱落病害图像进行标注；
步骤2、通过遗传算法对脱落破损区域的结构信息和纹理信息分别进行修复。


2.根据权利要求1所述的一种基于遗传算法的壁画脱落病害自动修复方法，其特征在于：所述步骤3后还包括依据数字图像修复结果对实际壁画脱落病害的颜料层进行修复的步骤。


3.根据权利要求1或2所述的一种基于遗传算法的壁画脱落病害自动修复方法，其特征在于：所述步骤1的具体实现方法包括以下步骤：
⑴应用高分辨率数码相机采集获得数字化壁画脱落图像，将采集到RGB空间的壁画脱落图像处理转换到HSV颜色空间；
⑵对得到的HSV颜色空间的图像通过中值滤波方法进行图像预处理；
⑶采用多尺度形态学边缘梯度检测方法，获取预处理后的壁画图像边缘；
⑷采用高帽变换方法增强图像的边缘尺度；
⑸采用最大类方差法自适应阈值分割技术获取脱落边缘；
⑹采用连通域标记算法获取壁画脱落边缘掩码，对于获取后的脱落边缘掩码进行内部填充。


4.根据权利要求1或2所述的一种基于遗传算法的壁画脱落病害自动修复方法，其特征在于：所述步骤⑶多尺度形态学边缘梯度检测方法的数学表达式为：



式中f(x,y)表示灰度图像，bi(x,y)为结构元素，k为尺度参数，表示形态学腐蚀算子，表示形态学膨胀算子。


5.根据权利要求1或2所述的一种基于遗传算法的壁画脱落病害自动修复方法，其特征在于：所述步骤2的具体处理方法包括以下以下步骤：
⑴对标注后的壁画结构信息进行提取，获取轮廓线相关信息及周围信息；
⑵构建遗传算法目标函数，查找匹配的轮廓线，恢复图像受损区域中的结构信息；
⑶将纹理信息填充到所有破损区域，完成壁画脱落壁画的修复。


6.根据权利要求5所述的一种基于遗传算法的壁画脱落病害自动修复方法，其特征在于：所述步骤⑴采用Canny边缘检测算法进行壁画结构信息进行提取。


7.根据权利要求5所述的一种基于遗传算法的壁画脱落病...

【专利技术属性】
技术研发人员：盆海波，王兆霞，王双双，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12