[发明专利]基于卷积神经网络进行壁画图像去噪和线描画生成的方法

说明书

本发明涉及一种基于卷积神经网络进行壁画图像去噪和线描画生成的方法，包括下列两个部分：第一部分：利用深度卷积神经网络DCNN对图像去噪。第二部分：利用基于全卷积神经网络FCN和深度监督网络边缘检测算法HED进行边缘提取：构造用于边缘提取的训练数据集；构建边缘提取网络模型；改进FCN和16层的卷积神经网络VGG，在每一个卷积层后面增加一个侧面输出层，每一个侧面输出层都和一个分类器相连，侧面输出层被实现为具有内核大小为1和输出数为1的卷积层；然后去除VGG的全链接层和第五个池化层并增加一个混合权重层，用来将所有的侧输出层的预测结果连接到一起并且在训练的过程中学习混合权重；训练边缘提取网络模型。

技术领域

本发明涉及计算机视觉与数字图像处理领域，尤其涉及基于卷积神经网络对古代壁画图像去噪以及线描画生成的过程。

背景技术

壁画是古文物的核心组成部分，具有重要的历史文化价值。而对于壁画图像的修复和保护工作中，壁画线描画的绘制是其工作中重要的一个方面。线描画生成对于壁画的保护与修复以及后续工作来说也都极富意义，它也是研究考古等工作的基础。传统的线描绘制主要依靠手工临摹，或是经过拍照或录制，再比对着进行线描画的绘制。这些过程相对复杂和耗时。经过检索发现，目前与壁画图像处理相关的发明专利主要集中在古代图像数字化修复、图像采集以及分类识别等方面。而对于古代图像线描画的绘制过程的涉及较少，仅有的研究也是利用传统滤波器去噪以及利用传统边缘提取算法进行线描画提取，现有成果虽然能在局部得到较好的提取效果，但是在全局范围内存在笔道密集处笔画提取结果不清晰和笔道稀疏位置笔画宽度过细等问题。传统方法存在的问题会导致得到的图像具有较低的使用价值，工作效率不高。

参考文献

[1]李传朋,秦品乐,张晋京.基于深度卷积神经网络的图像去噪研究[J].计算机工程,2017,34(3):253-260.

[2]Xie S,TuZ.Holistically-nested edge detection[C]//Proceedings oftheIEEE international conferenceoncomputervision.2015:1395-1403.

[3]Zhang K,Zuo W,Chen Y,et al.Beyond a gaussian denoiser:Residuallearning ofdeep cnnforimage denoising[J].IEEETransactions onImageProcessing,2017,26(7):3142-3155.

[4]Wang S D,MaZY,LiuXH,etal.Coherence-enhancing linedrawingforcolorimages[J].ScienceChinaInformation Sciences,2013,56(11):1-11.

[5]KangH,Lee S,Chui C K.Coherentline drawing[C]//Proceedings ofthe5th international symposiumonNon-photorealisticanimationandrendering.ACM,2007:43-50.

[6]Arbelaez P,Maire M,Fowlkes C,et al.Contour detection andhierarchical image segmentation[J].IEEE transactions on pattern analysis andmachine intelligence,2011,33(5):898-916.