虛擬三維破損圖像復(fù)原真實(shí)性優(yōu)化研究

大連東軟信息學(xué)院數(shù)字藝術(shù)系 李 放

虛擬三維破損圖像復(fù)原真實(shí)性優(yōu)化研究

大連東軟信息學(xué)院數(shù)字藝術(shù)系 李 放

破損圖像復(fù)原技術(shù)是在傳統(tǒng)美術(shù)學(xué)的基礎(chǔ)之上，應(yīng)用計(jì)算機(jī)技術(shù)還原被破損畫作的原貌，且要求復(fù)原后的圖像必須與原圖保持統(tǒng)一格調(diào)。本文對(duì)原有破損圖像復(fù)原技術(shù)進(jìn)行了創(chuàng)新，建立了一種新型虛擬三維破損圖像復(fù)原優(yōu)化仿真模型，且通過實(shí)驗(yàn)證明經(jīng)過該模型復(fù)原的圖片在圖像復(fù)原時(shí)間和復(fù)原清晰度上都具有更高的可行性。

虛擬三維；破損圖像復(fù)原；真實(shí)性

目前階段，破損圖像復(fù)原技術(shù)被廣泛應(yīng)用于人們生活的各個(gè)方面，過去我國一直依靠引進(jìn)其他國家的技術(shù)發(fā)展自己的圖像復(fù)原事業(yè)。但隨著科技手段的發(fā)展與進(jìn)步，我國學(xué)者提出了將電子計(jì)算機(jī)技術(shù)與圖像復(fù)原技術(shù)相結(jié)合的新型理念，并在理論基礎(chǔ)的支持下嘗試將該項(xiàng)技術(shù)運(yùn)用在案件偵破等領(lǐng)域，且獲得了使用者的一致好評(píng)。因此，相關(guān)科研人員加大力度對(duì)該項(xiàng)技術(shù)進(jìn)行研究，從二十世紀(jì)末期到現(xiàn)在，我國已經(jīng)建立了完善的虛擬三維破損圖像復(fù)原理論，但由于種種原因，所復(fù)原的圖像仍然存在著真實(shí)性不高的問題[1]。為了改善這個(gè)現(xiàn)狀，本文在原有仿真模型的基礎(chǔ)上進(jìn)行了改革，建立了一種新型的優(yōu)化仿真模型，且通過實(shí)驗(yàn)證明了優(yōu)化仿真模型所復(fù)原圖片確實(shí)具有更高的真實(shí)性。

1 三維破損圖像復(fù)原原理

簡單來說三維破損圖像復(fù)原原理就是將待復(fù)原的圖片通過電子掃描儀輸入電腦，并通過計(jì)算機(jī)對(duì)圖片本身的圖形圖像構(gòu)成進(jìn)行分析，并按照分析結(jié)果將破損的圖片恢復(fù)成受損前狀態(tài)。計(jì)算機(jī)在分析過程中首先要計(jì)算出虛擬圖像的信號(hào)強(qiáng)度，并通過建模得出模糊核值，再對(duì)模糊核值進(jìn)行不規(guī)則取樣，找出分布數(shù)據(jù)最多的樣本區(qū)間，在該區(qū)間中找到出現(xiàn)最多的數(shù)據(jù)[2-3]，再對(duì)該數(shù)據(jù)進(jìn)行反推，得到一個(gè)還原算法，則該還原算法即為復(fù)原的理論依據(jù)。這整個(gè)過程的計(jì)算都遵循如下公式：

其中w是在以x、y、z為坐標(biāo)軸的空間直角坐標(biāo)系中的隨機(jī)點(diǎn)，都為自然常數(shù)，p為模糊值。在對(duì)p進(jìn)行不規(guī)則取樣時(shí)，有如下公式：

2 虛擬三維破損圖像復(fù)原優(yōu)化仿真模型的建立

2.1 建立優(yōu)化復(fù)原算法

仿真模型的復(fù)原算法是通過對(duì)像素點(diǎn)所處環(huán)境的圖像灰度進(jìn)行取樣計(jì)算，得出像素點(diǎn)的圖像濾波系數(shù)，再對(duì)噪點(diǎn)所處環(huán)境的圖像灰度進(jìn)行取樣計(jì)算，得出噪點(diǎn)的圖像純度系數(shù)。將二者進(jìn)行對(duì)比能夠得到像素點(diǎn)與噪點(diǎn)所處區(qū)域的結(jié)構(gòu)相似度[4]，相似度越高則說明該圖片的受損程度越低，反之則越高。這整個(gè)過程中使用的計(jì)算公式與（1）相同，整體的工作流程如圖1所示：

圖1 優(yōu)化復(fù)原算法工作流程

圖2 復(fù)原圖像清晰度對(duì)比圖

2.2 建立圖像復(fù)原模型

圖像復(fù)原模型的建立是整個(gè)優(yōu)化仿真模型的核心部分，其建立過程主要依靠對(duì)SSIM值和ISNR值的計(jì)算。SSIM代表結(jié)構(gòu)近似度，它主要的作用就是分析在正常情況下，均勻的像素背景中能產(chǎn)生多少種不同的圖像環(huán)境。而ISNR是像素點(diǎn)與噪點(diǎn)平均量的比值，通過ISNR值得確定，可以得出該圖片的復(fù)原難度。通常情況下，我們會(huì)將計(jì)算得到的兩個(gè)數(shù)值進(jìn)行比較，并將比較結(jié)果命名為虛擬圖像復(fù)原系數(shù)，如果該無線接近1，則表示該圖片的復(fù)原難度較大，如果該系數(shù)無線接近0則表示該圖片極易富源，等于0則說明圖片沒有受損。一般時(shí)候，圖像復(fù)原系數(shù)都處于0.3-0.7之間，或者也可以說只有復(fù)原系數(shù)位于該區(qū)間之中的圖片具有復(fù)原價(jià)值。

2.3 建立虛擬三維破損圖像復(fù)原優(yōu)化仿真模型

優(yōu)化復(fù)原算法和圖像復(fù)原模型就好比河流的主干道，這兩部分承擔(dān)了整個(gè)優(yōu)化仿真模型的絕大多數(shù)工作。在這兩個(gè)組成部分正常工作的前提下，我們只需對(duì)每一步驟產(chǎn)生的數(shù)據(jù)進(jìn)行收集，并輸入進(jìn)模擬器當(dāng)中。模擬器通過反復(fù)的實(shí)驗(yàn)，并將每一次實(shí)驗(yàn)復(fù)原的圖像與原圖進(jìn)行對(duì)比，最終在顯示器中顯示的圖像信息，就是經(jīng)過模擬器對(duì)比產(chǎn)生的與原圖相似度最高的圖像，也就是復(fù)原圖像[5-6]，至此整個(gè)優(yōu)化仿真模型也就完成了一個(gè)周期的工作流程。

3 實(shí)驗(yàn)結(jié)果與分析

為了更好的突出優(yōu)化仿真模型與仿真模型之間的區(qū)別，本文從圖像復(fù)原時(shí)間和復(fù)原清晰度上對(duì)兩者進(jìn)行了對(duì)比，已驗(yàn)證本文所提出的優(yōu)化仿真模型是具有真實(shí)可行性的。

3.1 仿真模型與優(yōu)化仿真模型復(fù)原時(shí)間對(duì)比

本文選取了100張破損程度相同的圖片作為實(shí)驗(yàn)對(duì)象，對(duì)其中50張采用仿真模型進(jìn)行復(fù)原，另外50張采用優(yōu)化仿真模型進(jìn)行復(fù)原，并分別對(duì)他們的復(fù)原時(shí)間進(jìn)行了記錄，將結(jié)果繪制成了如下表格。

表1 復(fù)原時(shí)間對(duì)比表

根據(jù)表1我們可以發(fā)現(xiàn)，在復(fù)原受損程度相同的圖片時(shí)，仿真模型所需的復(fù)原時(shí)間要明顯長于優(yōu)化仿真模型，且復(fù)原的圖像數(shù)量越多，每張圖片所需要花費(fèi)的時(shí)間越長。

3.2 仿真模型與優(yōu)化仿真模型復(fù)原圖像清晰度對(duì)比

我們通過清晰度圖譜繪制器分別繪制了兩種模型所復(fù)原圖片的清晰度曲線如圖2所示。

通過圖2我們可以清楚的看出通過仿真模型復(fù)原圖像的清晰度整體低于優(yōu)化仿真模型[7]，且優(yōu)化仿真模型隨著復(fù)原圖像數(shù)目的增多整體波動(dòng)幅度較小。

上述實(shí)驗(yàn)足以證明優(yōu)化仿真模型，不論是在復(fù)原圖像所用的時(shí)間還是清晰度上都比仿真模型具有更大的實(shí)用優(yōu)價(jià)值，因此值得大力推廣。

4 結(jié)束語

我國的圖像復(fù)原技術(shù)目前階段已進(jìn)入了緩慢發(fā)展時(shí)期，為了將來能夠在該領(lǐng)域有更大的作為，大肆推廣虛擬三維破損圖像復(fù)原真實(shí)性優(yōu)化模型是極為有必要的。

[1]鄭海春,董秀成,王孝平等.MultiGen Creator虛擬現(xiàn)實(shí)三維建模優(yōu)化技術(shù)的研究與實(shí)踐[J].西華大學(xué)學(xué)報(bào):自然科學(xué)版,2011,30(6):26-29.

[2]華忠,魯東明,潘云鶴.敦煌壁畫虛擬復(fù)原及演變模擬模型研究[J].中國圖象圖形學(xué)報(bào),2002,7(2):181-186.

[3]李永明,蘭田.古代壁畫數(shù)字化版權(quán)問題初探[J].浙江大學(xué)學(xué)報(bào):人文社會(huì)科學(xué)版,2010,41(預(yù)印本2010年11期):95-102.

[4]程浩,龔丹丹,劉國慶.一種基于虛擬模糊圖像恢復(fù)的小波壓縮算法[J].微計(jì)算機(jī)信息,2010,26(29):210-211.

[5]肖瀟,楊國光.白劍.基于最優(yōu)參數(shù)的全景圖像三次樣條插值復(fù)原[J].紅外與激光工程,2007,36(5):725-728.

[6]王慧琴,韓建武,吳萌等.《馬球圖》壁畫中裂縫的自動(dòng)虛擬修復(fù)方法研究[C].中國文物保護(hù)技術(shù)協(xié)會(huì)第七次學(xué)術(shù)年會(huì)論文集,2012.

[7]藺素珍,王棟娟,鐘家讓等.利用曲率特征虛擬拼接青銅器小碎片的方法[J].西安電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,43(6):146.

李放（1985—），男，遼寧大連人，碩士研究生，講師，主要研究領(lǐng)域?yàn)樘摂M現(xiàn)實(shí)。