[发明专利]改进损失函数SinGAN的墓室壁画分块间缺失信息的重建方法

说明书

本发明公开了一种改进损失函数SinGAN的墓室壁画分块间缺失信息的重建方法，包括以下步骤：取壁画集中的任一一幅壁画分块图像I_r，再对其进行下采样为{I_r0,I_r1,I_r2,I_r3,I_r4}，其中，I_m4为掩膜后下采样4次的壁画；向生成器的最底层输入I_m4，经生成器G₄生成外延性壁画G₄(I_m4)，将G₄(I_m4)与I_r4输入到判别器D₄进行比较判别，并根据损失函数更新该层的权重参数；得生成器中各层的权重参数；利用训练集及判别器对生成器进行训练，使得生成器与判别器达到纳什均衡，然后利用训练后的生成器进行墓室壁画分块间缺失信息的重构，该方法能够实现壁画分块间外延性信息的重建。

技术领域

本发明属于数字图像修复领域，涉及一种改进损失函数SinGAN的墓室壁画分块间缺失信息的重建方法。

背景技术

墓室壁画对我国古代史和艺术史有着双重重要的意义，它真实地反映了古代中国人的生活状况、社会风尚和艺术趣味,同时也反映了人们的宗教信仰、丧葬文化等诸多方面的状况。由于墓室壁画与殿堂壁画与石窟寺壁画不同，其深埋地下数千年，未挖掘之前完全是密闭的空间，残留信息可靠性强。且墓室壁画幅面较大，以章怀太子墓马球图为例：壁画长近7米高3米。在上世纪七八十年代的考古挖掘条件下，只能采取分块揭取的方式。这就产生了大量分块保存的珍贵墓室壁画，而揭取的过程也让壁画产生了块间信息缺失，影响整幅壁画的连贯性与完整性。

目前计算机辅助古代壁画进行数字信息修复的方法digital Image inpaiting是通过检索图像信息缺失区域的边缘，利用图像残存信息从边缘扩散并填充到缺损区域内部，如剥洋葱般层层填补信息空洞，最终完成壁画信息的重建。此类技术主要从两个技术方向来完成，一方面是基于像素扩散的PDE类模型，其通过计算填充前缘的高阶偏导函数，利用不同的扩散方程完成信息填充，缺点是当画面信息缺失较大时会产生模糊现象；另一方面是基于样本填充的纹理合成类模型，其通过比对存留样本与填充前缘的相关性，按照一定的填充顺序完成信息补全，缺点是大量相似样本的填充会产生马赛克效应。这两种方法面临缺失区域较大时均不能达到良好的墓室壁画修复效果，且仅从现有残存信息中寻找可用信息，局限性较大，对于分块壁画只能向内填充空洞，无法达到分块壁画间外延性信息的重建需求。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种改进损失函数SinGAN的墓室壁画分块间缺失信息的重建方法，该方法能够实现壁画分块间外延性信息的重建。

为达到上述目的，本发明所述的改进损失函数SinGAN的墓室壁画分块间缺失信息的重建方法包括以下步骤：

1)对墓道中分块挖掘的一幅壁画的多个分块进行图像采集，获取壁画分块图像，对壁画分块图像添加掩码后进行min-max标准化，再通过标准化后的壁画分块图像构建图像集，将该图像集作为SinGAN生成壁画间外延性信息的训练集；

2)构建基于SinGAN且包含5个尺度的生成器及判别器的生成网络，并增加重构损失L_rec、像素重建损失及纹理损失L_texture的损失函数；

3)取壁画集中的任一一幅壁画分块图像I_r，再对其进行下采样为{I_r0,I_r1,I_r2,I_r3,I_r4}，其中，I_m4为掩膜后下采样4次的壁画；