大数据背景下的油画破损区域修复算法设计

发布时间：2021-11-07 04:27

　　传统的油画破损区域修复算法在计算破损区域像素点时,对黑白色彩过于敏感,容易发生颜色覆盖现象。为此,设计大数据背景下的油画破损区域修复算法。分析油画中破损区域特性,获取油画破损区域像素点,同时利用大数据技术,匹配与原有油画图像特征类似的图像数据,获取像素点计算权重函数和对应的修复值,修复破损区域单个像素点,以此类推,完成整个油画破损区域的修复。实验结果表明,针对属性相同的破损油画图像,与传统的修复算法相比,设计的大数据背景下的油画破损区域修复算法修复的图像中未发生颜色覆盖的问题,保证了油画图像的质量,该算法适合应用在油画破损修复中。 

【文章来源】：现代电子技术. 2020,43(19)北大核心

【文章页数】：4 页

【部分图文】：

原始图像

根据以上特点，假设油画破损区域色彩丰富，特征信息复杂多变，像素的灰度直方图不会集中分布在某个像素处，会存在多个小峰值，整个油画破损区域内像素的频率值围绕着这些小峰值分布[6]。其分布曲线如图1所示。从图1中可以看出，原始局部区域加载的灰度直方图呈小锯齿状，有很多的小峰值点和波谷，而受损后的灰度直方图总体分布还是呈现小锯齿状，但是其中出现了一个不同程度的大峰值点，也就是说破损像素的像素个数远大于其他像素的个数[7]。将这个大峰值点与邻域像素出现的频率值的差作为相对阈值，记为频率阈值，所有大于等于该阈值的峰值点的像素组成破损区域[8]。

在以往油画修复的过程中，往往是根据破损区域附近的结构和纹理特征修复破损区域，但是对于大区域的破损，提取的信息不能满足修复破损区域的需求[11]。为此，在大数据背景下，利用大数据技术数据量大，处理速度快的特点，结合破损油画中未破损区域的结构和纹理特征，在大量相关数据中匹配类似特征的数据，并根据匹配到的数据计算权重函数，通过权重函数计算油画破损区域单个破损像素点的灰度值[12]。假设e表示匹配的图像特征像素点，以e为中心的邻域Rγ(e)内，每一个像素e都对破损油画图像中像素点q产生一个影响，过程如图2所示。对于邻域中的所有像素点，每个像素点对应一个权重函数Y (e,q)，加权平均每一个匹配特征像素q对破损像素e的影响，获得破损像素点的修复值[13]D (e):

【参考文献】：
期刊论文
[1]特征聚类的局部敏感稀疏图像修复[J]. 薛俊韬,倪晨阳,杨斯雪.  红外与激光工程. 2018(11)
[2]文化遗产建筑虚拟色彩修复技术运用[J]. 邓焱,曾庆亮.  电视技术. 2018(08)
[3]动态调节耦合纹理差异量化的图像修复算法[J]. 杨歆,孙俊航.  计算机工程与设计. 2018(07)
[4]基于聚类结构自适应稀疏表示的高光谱遥感图像修复研究[J]. 秦振涛,杨茹,张靖,杨武年.  遥感技术与应用. 2018(02)
[5]关于历史珍品残破图像快速修复仿真研究[J]. 姜军,王朝霞.  计算机仿真. 2018(04)
[6]大数据分析下三维景观图像布局优化提取仿真[J]. 张宝平.  计算机仿真. 2018(04)
[7]云计算环境下大数据视频图像的尺度空间融合算法[J]. 何金,黄海,李妍,周振亮.  科学技术与工程. 2018(08)
[8]基于纹理特征与最优稀疏表示的图像修复算法[J]. 刘开茗,吕春峰,刘享顺.  包装工程. 2017(23)
[9]划分特征子区域的图像修复算法[J]. 李梦雪,翟东海,孟红月,曹大命.  计算机应用. 2017(12)
[10]遥感图像云检测方法研究进展[J]. 刘紫涵,吴艳兰.  国土资源遥感. 2017(04)



本文编号：3481161