在文物數(shù)字化生存的大背景下，各博物館對館藏文物陸續(xù)進行了高清數(shù)字化采集，產(chǎn)生了大量飽含歲月痕跡的文物影像資料。這些數(shù)字化文物信息是研究文化、考證歷史的重要素材。在文物不可逆地走向衰亡的過程中，利用數(shù)字化信息處理手段記錄、重建文物信息是文物科技保護的發(fā)展趨勢。特別是對于壁畫類平面文物，其畫面?zhèn)鞒械奈氖沸畔⑾觯瑒t文物本體的價值也就不復存在了，它們是博物館最急需修復的文物類型。博物館館藏壁畫的修復有著繁瑣的流程，修復周期很長。因修復效果無法預測與修復人員緊缺的現(xiàn)狀，大部分壁畫存儲在保管部，遲遲未能進入展廳。本文研究對象是高清采集的館藏墓室壁畫數(shù)字化信息，研究目標是通過對現(xiàn)存信息的分析，非接觸無損地提取壁畫的數(shù)字檔案，并模擬壁畫手工修復的過程，建立一整套滿足博物館管理流程的數(shù)字修復體系。 館藏墓室壁畫數(shù)字修復依據(jù)貝葉斯的逆概原理，包括：提取壁畫殘存信息的先驗知識，建立壁畫病害信息的數(shù)據(jù)模型，建立壁畫缺損信息的修復模型三大部分。論文在研究過程中充分考慮此類反問題求解的強病態(tài)性與格式塔視覺心理學原則，通過建立主、客觀評價方法，并設計交互式數(shù)字修復管理平臺，共享遠程專家經(jīng)驗，動態(tài)調(diào)整修復方案。
吳萌，博士，西安建筑科技大學副教授，碩士生導師。專業(yè)方向為數(shù)字圖像處理、多維信號處理，文物數(shù)字化保護與文物材料數(shù)據(jù)分析。2015~2016年度美國俄亥俄州立大學訪問學者。 2017年進入西北工業(yè)大學材料學院楊軍昌教授三秦學者團隊進行博士后工作。2018年進入天津大學智能與計算學部張加萬教授團隊進行學術訪問。主持國家級項目一項，省部級項目兩項，廳局級項目兩項，參與縱橫課題多項。發(fā)表與文物數(shù)字化信息處理相關論文三十余篇。
目 錄
第1章 墓室壁畫數(shù)字修復技術概述 001
1.1 緒論 001
1.1.1 研究背景 001
1.1.2 研究目的和意義 005
1.2 研究動態(tài)及待解決問題 009
1.2.1 博物館數(shù)字修復的研究動態(tài) 009
1.2.2 數(shù)字修復技術的研究動態(tài) 011
1.2.3 古代壁畫數(shù)字修復技術的研究動態(tài) 017
1.2.4 館藏墓室壁畫數(shù)字修復面臨的問題 019
1.3 研究內(nèi)容與技術創(chuàng)新 022
1.3.1 研究內(nèi)容 022
1.3.2 技術創(chuàng)新 025
1.4 研究方法與技術流程 026
1.4.1 研究方法 026
1.4.2 技術流程 029
1.5 本書的組織結構 031
第2章 數(shù)字修復基本理論與關鍵技術 035
2.1 引言 035
2.2 數(shù)字修復的基本理論 036
2.2.1 數(shù)字修復技術的數(shù)學模型 036
2.2.2 數(shù)字修復過程的病態(tài)性分析 039
2.2.3 數(shù)字修復效果的視覺判定標準 039
2.3 數(shù)字修復的典型模型及優(yōu)化策略 042
2.3.1 變分PDE類修復模型 042
2.3.2 樣本合成類模型 048
2.3.3 數(shù)字修復的優(yōu)化策略 049
2.4 墓室壁畫數(shù)字修復的關鍵技術 052
2.4.1 墓室壁畫的實體修復流程 052
2.4.2 數(shù)字修復的關鍵技術 055
2.4.3 數(shù)字修復體系與構架 057
2.5 本章小結 059
第3章 墓室壁畫殘存信息先驗知識的提取 060
3.1 引言 060
3.2 基于改進邊緣檢索模型的線圖先驗知識 061
3.2.1 待修復墓室壁畫的線圖信息 061
3.2.2 邊緣灰階選擇對墓室壁畫輪廓描述適用性分析 063
3.2.3 邊緣檢索技術及輪廓提取效果分析 065
3.2.4 改進的Canny算子檢測墓室壁畫線圖 070
3.2.5 墓室壁畫線圖提取實驗 073
3.2.6 墓室壁畫線圖信息的先驗知識 075
3.3 基于形變分割模型的主體先驗知識 076
3.3.1 待修復墓室壁畫的主體信息 076
3.3.2 主動輪廓動態(tài)收斂的主體信息捕獲 077
3.3.3 強梯度邊緣約束下的Snake收斂實驗 079
3.3.4 墓室壁畫主體信息的先驗知識 084
3.4 基于五行色聚類模型的顏色先驗知識 084
3.4.1 墓室壁畫的顏色體系 084
3.4.2 多顏色空間中顏料信息表達差異性分析 087
3.4.3 改進巴氏距離的K-means聚類技術 089
3.4.4 五行色顏料信息提取對比實驗 095
3.4.5 墓室壁畫顏色信息的先驗知識 097
3.5 基于頻率域分解模型的紋理與結構先驗知識 098
3.5.1 墓室壁畫的結構信息與紋理信息 098
3.5.2 分解位置對結構與紋理信息提取的影響分析 100
3.5.3 基于輪廓波能量的DCT分解技術 103
3.5.4 墓室壁畫信息自適應分解實驗 106
3.5.5 墓室壁畫結構與紋理信息的先驗知識 107
3.6 本章小結 107
第4章 墓室壁畫病害信息數(shù)據(jù)模型的建立 109
4.1 引言 109
4.2 墓室壁畫病害污染區(qū)域的特征分析 110
4.2.1 墓室壁畫常見病害種類 110
4.2.2 墓室壁畫病害尺度特征 111
4.3 統(tǒng)計學多特征泥漬病害數(shù)據(jù)模型 112
4.3.1 泥漬類病害特征分析 112
4.3.2 泥漬標準病害直方圖統(tǒng)計 114
4.3.3 建立泥漬類病害數(shù)據(jù)模型 116
4.3.4 實驗效果分析 127
4.4 形態(tài)學多尺度裂縫類病害數(shù)據(jù)模型 131
4.4.1 裂縫類病害特征分析 131
4.4.2 裂縫類形態(tài)學運算子的設計 136
4.4.3 裂縫類病害數(shù)據(jù)模型 140
4.4.4 設定多尺度結構元素 144
4.5 本章小結 146
第5章 墓室壁畫缺損信息修復模型的設計 147
5.1 引言 147
5.2 信息素擴散類小尺度缺損信息的修復模型 150
5.2.1 墓室壁畫缺失信息的曲率驅(qū)動擴散過程 150
5.2.2 信息擴散順序影響分析 154
5.2.3 交叉采樣優(yōu)化的CDD修復模型 155
5.2.4 實驗效果分析 157
5.3 信息塊合成類大尺度缺損信息的修復模型 161
5.3.1 墓室壁畫缺失信息的樣本填充過程 161
5.3.2 優(yōu)先值對修復效果的影響分析 163
5.3.3 改進基于樣本填充的修復模型 165
5.3.4 實驗效果分析 167
5.4 紋理能量引導的自適應填充修復模型 169
5.4.1 置信度穩(wěn)定性分析與約束條件 170
5.4.2 小波紋理能量系數(shù) 173
5.4.3 優(yōu)化樣本塊搜索的修復模型 175
5.4.4 實驗效果分析 177
5.5 離散采樣優(yōu)化與樣本擴充的修復模型 179
5.5.1 墓室壁畫數(shù)據(jù)量分析 179
5.5.2 去冗余離散采樣優(yōu)化 181
5.5.3 跨鏡頭多樣本擴充修復模型 183
5.5.4 實驗效果分析 185
5.6 結構張量約束優(yōu)先值的修復模型 186
5.6.1 墓室壁畫信息的結構張量表達 186
5.6.2 結構張量對結構信息的約束分析 191
5.6.3 優(yōu)化結構張量的修復模型 192
5.6.4 實驗效果分析 193
5.7 馬爾可夫隨機場優(yōu)化匹配的修復模型 196
5.7.1 墓室壁畫信息的馬爾可夫隨機場 196
5.7.2 馬爾可夫隨機場修復模型 200
5.7.3 估計值與匹配塊相似性的度量過程 201
5.7.4 實驗效果分析 203
5.8 形態(tài)學成分分解與重構的修復模型 206
5.8.1 墓室壁畫信息的形態(tài)學成分分析 206
5.8.2 MCA分解模型的改進策略 208
5.8.3 分解底層結構信息的修復模型 209
5.8.4 分解上層紋理信息的修復模型 211
5.8.5 實驗效果分析 212
5.9 曲線擬合與約束合成的修復模型 219
5.9.1 墓室壁畫分塊割取的現(xiàn)狀分析 219
5.9.2 曲線擬合塊間結構延續(xù)過程 220
5.9.3 基于結構約束的修復模型 221
5.9.4 實驗效果分析 223
5.10 本章小結 225
第6章 交互式館藏墓室壁畫數(shù)字修復管理平臺 227
6.1 引言 227
6.2 TM-DIMP需求分析 228
6.2.1 用戶需求分析 228
6.2.2 實體間關系分析 232
6.3 TM-DIMP評價指標設定 233
6.3.1 評價因素分析 233
6.3.2 無參考客觀評價參數(shù)設定 238
6.3.3 分形維數(shù)與塊效應因子客觀評價實驗 244
6.4 TM-DIMP體系設計 249
6.4.1 整體構架 249
6.4.2 功能設計 251
6.4.3 TM-DIMP網(wǎng)絡構架 253
6.5 TM-DIMP開發(fā)與實現(xiàn) 255
6.5.1 開發(fā)和運行環(huán)境 255
6.5.2 交互式實現(xiàn)過程 256
6.6 本章小結 260
后 記 261
總 結 261
研究展望 264
致 謝 265
參考文獻 266
書單推薦
