基于孪生级联空间滤波的中国传统画修复

作     者：薛文喆 董兴宇 胡琦瑶 曹瑞 彭先霖 XUE Wenzhe;DONG Xingyu;HU Qiyao;CAO Rui;PENG Xianlin

作者机构：西北大学信息科学与技术学院陕西西安710127 西北大学艺术学院陕西西安710127 

出 版 物：《西北大学学报(自然科学版)》 (Journal of Northwest University(Natural Science Edition))

年 卷 期：2025年第55卷第1期

页      面：150-167页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62471390,62306237) 陕西省重点研发计划(2024GX-YBXM-149) 西北大学研究生创新项目(CX2024204、CX2024206) 

主　　题：图像修复 空间滤波预测 中国传统画修复 文物图像破损掩码 

摘      要：中国传统画作为宝贵的文化遗产,历经时间沉淀以及各种自然因素的影响,常出现开裂、破损和褪色等问题。尽管一些深度学习框架在自然图像修复领域取得了显著进展,但其大多过度依赖卷积权重共享和平移不变性,在处理布局复杂、结构抽象的绘画图像时,难以捕捉其独特的空间特性。针对此问题,提出一种孪生级联空间滤波(twin cascade spatial filtering,TCSF)预测方法用于中国传统画的修复。TCSF采用层级解码策略,从多尺度解析绘画图像的层次特征,并级联空间滤波预测方法得到修复核,从而由粗到细地复原缺失区域的像素。为了在特征信息匮乏的区域精确地复原缺失的结构和笔触信息,进一步引入空间编码机制。通过对滤波特征图空间编码得到坐标矩阵,并在滤波预测过程中注入坐标信息编码,用于缺失像素点恢复时提供空间信息参照,进而提升修复结果的精确度与视觉效果。实验中,选取了具有代表性的中国传统画图像进行训练,并增加壁画数据集和Places数据集测试模型的泛化性能。与现有工作使用掩码不同,该研究在实验中提取部分真实绘画图像的破损掩码,以更逼真地模拟破损情况。定性和定量实验结果表明,该方法在中国传统画恢复任务中取得了较好的修复结果,为数字艺术修复和文化遗产保护提供了有益的启示。