文献类型：期刊文章

作　　者：刘羿漩[1] 葛广英[2] 齐振岭[1] 李振轩[1] 孙福临[1]

Liu Yixuan;Ge Guangying;Qi Zhenling;Li Zhenxuan;Sun Fulin(Shandong Provincial Key Laboratory of Optical Communication Science and Technology,School of Physical Sciences and Information Engineering,Liaocheng University,Liaocheng 252059,Shandong,China;School of Computer Science and Technology,Liaocheng University,Liaocheng 252059,Shandong,China)

机构地区：[1]聊城大学物理科学与信息工程学院山东省光通信科学与技术重点实验室,山东聊城252059 [2]聊城大学计算机学院,山东聊城252059

出　　处：《激光与光电子学进展》

基　　金：中央引导地方科技发展专项(YDZX2017360000283)。

年　　份：2023

卷　　号：60

期　　号：20

起止页码：60-70

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：目前中华传统刺绣工艺传承保护问题中的修复任务主要以人工为主,修复过程需要大量的人力、物力。随着深度学习的高速发展,不同类型的刺绣文物损伤可以利用生成对抗网络进行修复。针对上述问题,提出一种基于改进深度卷积生成对抗网络(DCGAN)的刺绣图像修复方法。首先,在生成器部分引入空洞卷积层扩大感受野,并添加卷积注意力机制模块,在通道与空间2个维度增强重要特征的指导作用;在判别器部分增加全连接层数提升网络解决非线性问题的能力;在损失函数部分联合均方误差损失与对抗损失通过网络训练相互博弈的过程实现刺绣图像修复。实验结果表明:引入空洞卷积层与注意力机制提升了网络性能与修复效果,最终得到修复图像的结构相似性高达0.955,能够得到较为自然的刺绣图像修复效果,可以为专家提供纹理、色彩等信息作为参考辅助后续的修复。

关 键 词：非遗文化保护  刺绣图像修复  生成对抗网络  卷积神经网络 空洞卷积  注意力机制  

分 类 号：TP391.4] TP183[计算机类]