文献类型：期刊文章

作　　者：杨挺[1] 王双双[2] 盆海波[1] 王兆霞[3]

Yang Ting;Wang Shuangshuang;Pen Haibo;Wang Zhaoxia(School of Electrical and Information Engineering,Tianjin University,Tianjin 300072,China;Tianjin International Engineering Institute,Tianjin University,Tianjin 300072,China;School of Information Systems,Singapore Management University,Singapore 188065,Singapore)

机构地区：[1]天津大学电气自动化与信息工程学院,天津300072 [2]天津大学国际工程师学院,天津300072 [3]新加坡管理大学信息系统学院,新加坡188065

出　　处：《天津大学学报（自然科学与工程技术版）》

基　　金：中国博士后科学基金资助项目(2019M651037);天津市自然科学基金资助项目(19JCQNJC06000).

年　　份：2020

卷　　号：53

期　　号：9

起止页码：932-938

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、MR、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对壁画中存在的裂缝这一常见病害,提出一种基于人工神经网络(ANN)的自组织映射(SOM)图像修复算法,将人工智能技术应用于古建筑壁画修复领域.基于壁画裂缝本身的线性结构特征,对图像进行多尺度形态学边缘梯度检测提取边缘信息,使得裂缝边界区域灰度变化剧烈,从而达到边界突出的效果;对变换后的图像进行自适应阈值分割处理,以保证图像中每个像素点都属于目标区域;选取面积作为目标区域的连通规则进行度量以去除虚假目标,达到精确提取的目的,实现对破损像素的自动识别和标注;对壁画中已标注的破损区域采用改进的SOM算法进行修复,通过SOM聚类对图像进行分层,在单个图层中迭代计算出破损像素的值,实现对图像的并行化分层修复,在保障修复精度的同时提升修复的速率;合并图层,完成标注区域修复部分;最后通过对3种类型裂缝的壁画修复,本文所提出的改进SOM算法在修复图像峰值信噪比PSNR、特征相似度FSIM等4类指标显著提升,并且修复时间平均缩短40.34%,表明方法对于古建筑壁画裂缝修复的有效性和优越性.

关 键 词：壁画裂缝  自动识别 图像修复 自组织映射

分 类 号：TP391.9]