馆藏墓室壁画数字修复技术研究

This project research the technique on the tomb mural inpainting for museum. According to the Gestalt principle of visual psychology, and take the ill-posed question in to condition. By analyzing the left information of the those murals, it has established digital archives and divided the restoration into three parts as building the prior acknowledge, digital model and inpainting model. The prior acknowledge include the subject and background information, the color layout, cartoon information and textural information. They can help to choose the exemplars from the original mural exactly; the digital model include to mask the parts which those diseases as crack, crevice and fracture ruined, and let the computer know where need inpainting; the inpainting model include improved CDD model for small scale filling, improved exemplar-based model for big scale filling, the reduce redundant for high definition data, the structural constraints for splicing divided blocks. And build an tomb mural inpainting platform for the evolution and get the suggests from cultural relics experts to adjust the strategy of inpainting technique. The project will help lower the risks by restore the mural directly, and solve contradictions between the heavy task and few restorers, and shorten the restoration period.

课题以高清采集的墓室壁画残存信息为对象，研究被病害污染区域画面信息重建的数字修复技术。遵循格式塔视觉心理学原则，充分考虑信息重建过程中的病态性，通过提取主体信息、颜色信息、结构与纹理信息等先验知识，利用先验知识引导信息扩散和填充到病害污染区域；自动识标记龟裂、裂隙与断裂等病害区域，产生掩膜信息，建立数据模型；改进CDD扩散方式、优化优先值计算方法，改进样本取样方式，增加结构约束合成建立相应的修复模型，分别满足小尺度信息缺失、大尺度信息缺失、样本冗余与扩展、结构中断的分块拼接等四个方面的修复需求。并搭建在线交互式数字修复方案论证平台，吸取远程专家经验，论证数字修复效果，降低直接手工修复壁画可能产生的风险，解决壁画修复任务多与各博物馆修复人员紧缺的矛盾，缩短壁画从出保管库到进展厅的周期。

馆藏墓室壁画数字修复技术的研究包括：（1）针对墓室壁画分块内缺损信息的重建需求，将对其数字修复归为求解病态反问题的过程。残留信息的分析得到先验模型；对病害污染区域进行掩膜标注，并输入给计算机作为数据模型；缺损信息的重建过程以细长型小尺度，块状大尺度，底层纯结构信息和上层纯纹理信息等不同修复需求设计基于Inpainting的扩散模型、样本填充模型、分解模型、跨区域拟合模型、能量引导模型、聚类约束模型、马尔可夫传递模型等。系统地研究了不同修复方案的数字重建方法，可以重复无损预演墓室壁画不同修复需求的数字重建效果，提供给文史专家进行在线平台的交互式方案调整和制定，缩短修复周期，保护壁画免受二次损害。（2）针对壁画缺损修复主要以光照信息为参考，重建过程需要增加壁画颜料信息的佐证。系统地研究了在多光谱反射区不同壁画颜料的光谱曲线重建方法。通过制作古代壁画颜料的标准色板，研究改进R矩阵的光谱反射率、多核支持向量回归的光谱反射率、降维正则化多项式的光谱反射率等重建方法，以及快速稳健特征最大子矩阵、颜色尺度不变、自适应编辑距离等的光谱图像配准方法，完成基于统计流行的光谱信息散度的壁画颜料识别和基于CNN的壁画颜料多光谱分类等，可依据壁画的多光谱成像和随机森林算法评估壁画的颜料劣化程度。为掌握墓室壁画颜色退化过程提供了科学基础，也为壁画颜色信息重建提供了理论依据。（3）针对大型墓室壁画特殊的挖掘方式所导致的壁画分块间大量信息缺损的修复需求，避免Inpainting全局遍历和因参考样本不足产生垃圾样本的问题，研究基于深度学习的壁画块间信息重建方法。以Outpainting由内向外信息生成方式替代Inpainting由外向内填充方式来，改变以往的修复思路。将生成对抗网络应用到墓室壁画信息的生成过程中，并不断优化生成矩阵和监督矩阵，改进网络构架，调整损失函数，约束生成迭代过程避免模式坍塌，为大型壁画的整体修复构架提供了新思路。

内容获取失败，请点击重试