论文部分内容阅读
壁画的高精度数字化采集是实现壁画永久保护的一种重要手段,而壁画数字化修复是实现壁画精彩呈现的主要技术方法。本文针对敦煌壁画融合和修复过程中存在的两大主要问题(即超大图像融合时泊松方程收敛速度慢甚至无法收敛、融合需要的内存过大以及修复时图像噪音类型复杂而导致的降噪算法鲁棒性和效果较差),主要开展了以下几个方面的创新性研究工作:(1)针对超大壁画图像融合时的泊松方程收敛速度慢甚至无法收敛、融合需要的内存过大的问题,提出了一种基于均匀稀疏采样的超大壁画图像快速融合方法。首先在低分辨率图像上求解泊松方程,然后利用低分辨率图像的求解结果通过GPU并行计算高分辨率的融合结果,算法可以实现快速的收敛速度。与当前可用的方法相比,本算法能够在相对有限内存空间快速处理超大图像融合,同时算法也可以并行在GPU上计算。(2)针对图像融合计算并行度较低的问题,提出了基于矩阵撕裂(Matrix Tearing)的壁画超大图像的快速融合算法。算法首先将图像融合产生的稀疏矩阵进行几何降解,划分成相互重叠的许多不同矩阵块,每一个矩阵块可以利用GPU并行独立求解。这样充分利用了 GPU的数据并行处理能力,大大提高了运算速率,且内存消耗低。为了进一步从底层挖掘并行的潜力,提出了一种基于编译的自动并行化方法,在编译层面借鉴SpMT处理器的设计,采用优化的投机执行策略,基于抽象语法树(AST)和中间表示代码(IR)实现,在不增加开发和维护成本的前提下,自动发掘程序中隐含的并行度,更好地利用多核处理器的计算资源,进一步提高了融合计算的速度。(3)针对壁画噪音类型复杂而导致的修复效果差问题,提出了基于先验的壁画图像自适应修复算法,其组合了局部全变差和非局部基于图的变差,能够用于壁画的去噪、补全等。再结合稀疏降噪自编码器的噪音去除方法,能鲁棒地对被多种不同噪音所腐蚀的壁画图像进行修复。