目錄
前言
第1章 緒論 1
1.1 非物質(zhì)文化遺產(chǎn)保護(hù)概述 1
1.2 非物質(zhì)文化遺產(chǎn)數(shù)字化保護(hù)的實(shí)踐研究 1
1.2.1 國內(nèi)非物質(zhì)文化遺產(chǎn)數(shù)字化保護(hù)的實(shí)踐研究 2
1.2.2 國外非物質(zhì)文化遺產(chǎn)數(shù)字化保護(hù)的實(shí)踐研究 3
1.3 唐卡數(shù)字化保護(hù) 3
1.3.1 唐卡數(shù)字化保護(hù)技術(shù) 4
1.3.2 唐卡數(shù)字化保護(hù)意義和價(jià)值 7
1.4 唐卡數(shù)字修復(fù)技術(shù)的研究內(nèi)容 7
1.4.1 唐卡破損情況分析 7
1.4.2 破損唐卡數(shù)字修復(fù) 8
1.4.3 唐卡質(zhì)量評價(jià) 9
1.5 本書研究內(nèi)容及組織結(jié)構(gòu) 9
參考文獻(xiàn) 10
第2章 唐卡圖像概述 11
2.1 唐卡構(gòu)圖特征 11
2.2 唐卡色彩特征 15
2.3 唐卡線條特征 18
2.4 唐卡圖案特征 19
2.5 本章小結(jié) 22
參考文獻(xiàn) 22
第3章 數(shù)字圖像修復(fù)基礎(chǔ) 23
3.1 圖像修復(fù)問題描述 23
3.1.1 修復(fù)問題的原則 23
3.1.2 修復(fù)問題的貝葉斯框架理論 24
3.2 圖像修復(fù)技術(shù)的國內(nèi)外研究現(xiàn)狀 26
3.2.1 基于擴(kuò)散的圖像修復(fù)算法 26
3.2.2 基于樣例的圖像修復(fù)算法 29
3.2.3 基于稀疏表示的算法 32
3.2.4 基于深度學(xué)習(xí)的方法 33
3.3 偏微分方程基礎(chǔ) 33
3.3.1 基本概念 34
3.3.2 Bertalmio圖像修復(fù)算法 36
3.3.3 整體變分修復(fù)模型 37
3.4 紋理合成 41
3.4.1 紋理與紋理合成 41
3.4.2 基于MRF模型的紋理塊合成算法 42
3.4.3 基于樣本塊的圖像修復(fù)算法 43
3.5 圖像的稀疏表示方法 46
3.5.1 圖像的超完備稀疏表示 47
3.5.2 最優(yōu)稀疏解的計(jì)算方法 49
3.5.3 字典的選擇和學(xué)習(xí)字典 53
3.5.4 基于稀疏表示的圖像修復(fù) 56
3.6 圖像修復(fù)技術(shù)的應(yīng)用 56
3.7 本章小結(jié) 61
參考文獻(xiàn) 61
第4章 圖像質(zhì)量評價(jià)基礎(chǔ) 67
4.1 國內(nèi)外研究現(xiàn)狀 67
4.1.1 主觀質(zhì)量評價(jià) 68
4.1.2 客觀質(zhì)量評價(jià) 72
4.2 人眼視覺特性 77
4.2.1 視覺生理學(xué)分析 78
4.2.2 視覺心理物理學(xué)分析 80
4.3 圖像的視覺特征 85
4.3.1 顏色特征 85
4.3.2 紋理特征 87
4.3.3 形狀特征 91
4.4 客觀圖像質(zhì)量評價(jià)方法性能指標(biāo) 91
4.4.1 一致性指標(biāo) 92
4.4.2 普適性指標(biāo) 93
4.5 幾種經(jīng)典的質(zhì)量評價(jià)方法 93
4.5.1 信噪比 93
4.5.2 結(jié)構(gòu)相似度 94
4.5.3 視覺信息保真度 96
4.5.4 基于學(xué)習(xí)的圖像質(zhì)量評價(jià)方法 98
4.6 本章小結(jié) 100
參考文獻(xiàn) 101
第5章 唐卡圖像破損區(qū)域分割 107
5.1 引言 107
5.2 基于小波分析的唐卡圖像劃痕分割 109
5.2.1 基于小波變換模極大值邊緣檢測 110
5.2.2 基于邊緣點(diǎn)的投影變換 113
5.2.3 基于小波變換的多尺度突變點(diǎn)檢測 114
5.2.4 計(jì)算劃痕模板 115
5.2.5 仿真結(jié)果和分析 116
5.3 結(jié)合領(lǐng)域知識和多特征表示的唐卡一致性破損區(qū)域分割模型 121
5.3.1 破損區(qū)域初始分割 122
5.3.2 對稱性檢測 122
5.3.3 基于對稱性的分塊分割 125
5.3.4 多尺度多特征融合的破損分割 126
5.3.5 實(shí)驗(yàn)和分析 127
5.4 本章小結(jié) 131
參考文獻(xiàn) 131
第6章 唐卡圖像質(zhì)量評價(jià) 133
6.1 唐卡破損質(zhì)量評價(jià) 133
6.1.1 基于SLIC超像素的唐卡圖像分割 134
6.1.2 基于超像素的無參考彩色唐卡圖像質(zhì)量評價(jià)方法 137
6.1.3 實(shí)驗(yàn)結(jié)果與分析 140
6.2 唐卡破損修復(fù)后的失真分析 143
6.3 唐卡修復(fù)質(zhì)量評價(jià) 146
6.3.1 唐卡圖像特征的相關(guān)性分析 148
6.3.2 評價(jià)指標(biāo) 152
6.3.3 實(shí)驗(yàn)結(jié)果與分析 152
6.4 本章小結(jié) 156
參考文獻(xiàn) 156
第7章 改進(jìn)的基于樣本塊的唐卡圖像修復(fù)算法 158
7.1 引言 158
7.2 改進(jìn)算法原理分析 159
7.2.1 置信度更新 162
7.2.2 最佳匹配塊的選擇 163
7.2.3 破損邊緣的計(jì)算 163
7.2.4 算法步驟 164
7.3 實(shí)驗(yàn)結(jié)果及分析 165
7.4 本章小結(jié) 170
參考文獻(xiàn) 170
第8章 快速的非局部均值形態(tài)成分分析圖像修復(fù)算法 171
8.1 引言 171
8.2 基于形態(tài)成分分析的圖像修復(fù)算法 172
8.3 MCA算法分析 173
8.4 快速的非局部均值形態(tài)成分分析圖像修復(fù)算法 175
8.4.1 基于非局部均值MCA改進(jìn)模型 175
8.4.2 數(shù)值求解 180
8.5 實(shí)驗(yàn)結(jié)果及分析 181
8.6 本章小結(jié) 185
參考文獻(xiàn) 185
第9章 基于全變分小波域的唐卡圖像修復(fù)算法 187
9.1 引言 187
9.2 基于整體變分的小波域圖像修復(fù)模型 188
9.3 模型分析 189
9.4 改進(jìn)的數(shù)值計(jì)算方法 190
9.5 改進(jìn)的小波域圖像修復(fù)模型 192
9.6 實(shí)驗(yàn)結(jié)果及分析 194
9.7 本章小結(jié) 202
參考文獻(xiàn) 202
第10章 結(jié)論與展望 204
10.1 本書完成的工作 204
10.2 后續(xù)工作展望 206
彩圖