科研之友
微信
新浪微博
Facebook
分享链接
摘要
壁画破损区域预测是壁画虚拟修复工作的重要环节，针对现有方法在预测云南少数民族壁画破损区域时容易出现破损区域预测不全、对纹理复杂区域的破损边界预测不准确等问题，提出了一种基于U-Net改进的Dual Dense U-Net分割模型，通过增强破损区域位置特征和纹理特征，获取更多的判别信息，以提高破损掩膜预测的准确度。为使模型能更有效地学习壁画特征，建立了一个包含5 000张云南少数民族壁画图像的分割数据集。Dual Dense U-Net模型利用融合模块去对壁画图像进行多尺度融合，减少壁画图像在前馈过程中的局部纹理信息和空间位置信息损失。首先，利用U-Net结构对输入的壁画图像进行信息提取，融合模块有多个深度可分离卷积，能够提高融合模块效率以及分割精度；其次，融合模块连接两个U-Net，进一步加强浅层特征与深层特征间的联系。实验结果表明，该模型在IoU与Dice评价指标较UNet++提高了3个百分点，模型预测得到的破损区域能显著改善壁画修复网络的修复效果，验证了该模型在壁画破损区域预测领域的有效性。
- 单位
