摘要：针对破损壁画图像修复过程中存在的结构修复不当及修复后壁画细节重构丢失等问题,提出了一种基于结构引导的渐进式生成对抗壁画修复深度学习模型。设计结构生成器对壁画缺失结构内容进行修复,得到修复的壁画结构图像。通过壁画生成器生成对抗学习,结合改进的双池化SKNet多尺度特征提取模块,利用修复后的结构图像引导破损壁画实现渐进式修复,以提高壁画的细节特征学习能力。通过局部判别器和全局判别器,完成对结构图像和壁画图像的重构判别,增强壁画修复效果的全局一致性。通过对真实敦煌壁画数字化修复的实验表明:所提方法能够有效修复破损的敦煌壁画,修复后的壁画具有更好的结构及细节信息,在主客观评价指标上均优于比较方法。

摘要：针对现有深度学习算法修复壁画图像时,未充分考虑破损区域与完好区域信息的一致性,导致修复结果易出现边界效应和纹理模糊等问题,提出了一种联合特征推理和语义增强的渐进式壁画修复算法.首先,设计区域渐进结构,实现了待修复区域的渐进式收缩修复.然后,利用特征推理模块,对缺失像素的特征值进行迭代推理填充,减小壁画修复重构误差,增强壁画破损区域与完好区域之间的相关性.最后,将各层特征图自适应融合,并采用语义增强模块进行纹理细节迁移,提升壁画补全区域和整体的一致性.敦煌壁画数字化修复实验表明:所提方法修复结果具有更好的纹理细节一致性,在主客观评价指标上均优于比较算法.

摘要：针对现有壁画深度学习修复方法,存在上下文信息关注不足及结果欠佳的问题,提出了一种多层次特征融合与超图卷积的生成对抗修复模型。首先,利用金字塔特征分层对壁画进行多尺度层次特征提取,并采用混合空洞卷积单元扩大多层特征提取感受野,以克服单尺度卷积操作对于壁画特征提取能力不足的问题。然后,提出多分支短链融合层及门控机制融合多分支特征方法,将相邻分支间的特征信息进行融合,使融合后的壁画特征图中既有同分支的特征,又有相邻分支的特征,以提高特征信息的利用率;并引入门控机制对特征进行选择融合,以减少细节信息的丢失。接着,将融合特征通过卷积长短期记忆网络(ConvLSTM)特征注意力方法,增强对壁画上下文信息的关注。最后,设计超图卷积壁画长程特征增强模块,通过在编码器和解码器的跳跃连接之间建立超图卷积层,利用超图卷积捕获编码器的空间特征信息,并将其迁移到解码器中,有助于解码器更好地生成壁画图像,以加强特征的长程依赖关系,并与SN-PatchGAN判别器对抗博弈从而完成修复。通过敦煌壁画数字化修复实验,结果表明:所提方法客观评价优于对比算法,对于破损壁画修复结果更加清晰自然。

摘要：现有深度学习修复方法修复壁画时,受结构和纹理影响较大,修复结果易出现结构紊乱和纹理模糊等问题.针对这些问题,提出了一种结构门控融合与纹理联合引导的生成对抗壁画修复模型.首先,构建由结构引导编码子网络和纹理引导解码子网络构成的生成网络,利用结构信息引导编码,并通过门控特征增强边缘轮廓信息.然后,设计纹理引导器和方向注意力模块提取分层纹理特征,引导解码器重构修复,提高壁画的纹理一致性.最后,采用跳跃连接促进结构和纹理的特征互补,并利用谱归一化马尔科夫判别模型对抗完成壁画修复.对真实敦煌壁画数字化修复实验的结果表明:所提方法主客观评价均优于比较算法,修复结果更加清晰、自然.

摘要：The traditional single image dehazing algorithm is susceptible to the prior knowledge of hazy image and colour distortion.A new method of deep learning multi-scale convolution neural network based on HSI colour space for single image dehazing is proposed in this paper,which directly learns the mapping relationship between hazy image and corresponding clear image in colour,saturation and brightness by the designed structure of deep learning network to achieve haze ***,the hazy image is transformed from RGB colour space to HSI colour ***,an end-to-end multi-scale full convolution neural network model is *** multi-scale extraction is realized by three different dehazing sub-networks:hue H,saturation S and intensity I,and the mapping relationship between hazy image and clear image is obtained by deep ***,the model was trained and tested with hazy data *** experimental results show that this method can achieve good dehazing effect for both synthetic hazy images and real hazy images,and is superior to other contrast algorithms in subjective and objective evaluations.

摘要：针对现有深度学习图像修复算法修复壁画时,存在特征提取不足及细节重构丢失等问题,提出了一种多尺度特征和注意力融合的生成对抗壁画修复深度学习模型。设计多尺度特征金字塔网络提取壁画中不同尺度的特征信息,增强特征关联性;采用自注意力机制及特征融合模块构建多尺度特征生成器,以获取丰富的上下文信息,提升网络的修复能力;引入最小化对抗损失与均方误差促进判别器的残差反馈,从而结合不同尺度的特征信息完成壁画修复。通过对真实敦煌壁画数字化修复的实验结果表明,所提算法能够有效保护壁画图像的边缘和纹理等重要特征信息,并且主观视觉效果及客观评价指标均优于比较算法。

摘要：针对图像修复过程中,颜色纹理光学属性分离不彻底,以及在稀疏表示图像修复时字典设计单一,导致壁画图像修复结果易出现结构不连贯和模糊效应等问题,提出了一种基于块核范数的鲁棒主成分分析(robust principal component analysis,RPCA)分解与熵权类稀疏的壁画修复方法。首先,采用提出的基于块核范数的RPCA图像分解算法,将壁画图像分解为结构层和纹理层,利用块核范数进行纹理矫正操作,克服了RPCA结构纹理分离不完全的问题。然后,提出熵加权k-means方法对结构层图像进行聚类,构建得到稀疏子类字典,并通过奇异值分解和分裂Bregman迭代优化的类稀疏修复方法,完成结构层图像的重构。最后,利用双三次插值算法实现对纹理层图像的修复,将修复后的结构层和纹理层进行融合,完成破损壁画的修复。通过对真实敦煌壁画数字化修复,实验结果表明,该算法能够有效地保护壁画图像的边缘和纹理等重要特征信息,无论从视觉效果还是从峰值信噪比等定量评价方面,提出的方法修复效果均优于比较算法,且修复执行效率更高。

摘要：针对现有深度学习算法在修复破损壁画图像过程中,存在特征感知能力较弱和重建细节丢失等问题,提出了一种联合双编码器增强的生成对抗壁画多尺度重建深度学习模型.首先,设计由双分支联合编码器和多尺度解码器构成的生成网络,其中双分支联合编码器分为门控编码器分支和标准编码器分支:门控编码器分支利用门控卷积的动态特征选择机制并结合空洞卷积扩大感受野,提高壁画的语义特征感知能力;而标准编码器分支则利用标准卷积并结合密集连接加强特征传递,以获得更丰富的壁画细节信息.然后,采用多尺度解码器进行重构恢复,增强破损壁画纹理细节的重构能力.最后,通过谱归一化马尔科夫判别网络改善壁画修复结果的语义一致性和结构连续性.通过对真实敦煌壁画进行数字化修复的实验结果表明:所提出的算法能够有效完成破损壁画的修复,重构取得了更好地视觉感和协调性,在主客观评价方面均优于比较算法.

摘要：针对现存深度模型修复壁画时,未兼顾像素级特征与语义级特征,而导致纹理精细度欠缺、结构扭曲等问题,提出一种联合核预测和特征推理的渐进式壁画修复算法.首先,设计区域渐进模块,通过部分卷积实现壁画特征渐进式映射.然后,提出双分支修复模块,其中核预测卷积分支实现破损区域的像素级修复;而语义特征推理分支中引入门控可变形卷积,并结合语义一致性注意力机制实现特征推理,完成破损壁画的语义级修复.最后,将双分支修复结果融合输出,最大限度地减少重构误差,提升修复精度.通过对敦煌壁画进行数字化修复实验,结果表明所提方法修复后的壁画具备较好的结构纹理特征,在评价指标上优于比较算法.

摘要：【目的】阿维链霉菌可作为异源表达抗生素生物合成基因簇的良好宿主,但是需要优化含有大片段DNA质粒的接合转移效率。【方法】我们选取MgCl2、NaCl、Ca(NO3)2和CaCl2等4种无机盐,在0-200mmol/L浓度范围内分别研究其对大质粒向阿维链霉菌接合转移的影响,再设计完全随机试验筛选最佳条件。【结果】CaCl2对阿维链霉菌接合转移有极明显的促进作用,MgCl2也有一定提高作用。通过完全随机试验筛选出最佳的CaCl2和MgCl2浓度组合,使大质粒的接合转移效率提高11倍。同时,本研究还发现阿维链霉菌异源表达放线紫红素的最适培养基,成功表达放线紫红素。【结论】特定无机盐对阿维链霉菌接合转移效率有明显提高作用,并且能促进放线紫红素在阿维链霉菌中的表达。