Optimisation of digital preservation and 3D reconstruction of frescoes based on image processing algorithms
Notice bibliographique
Résumé
This paper is based on the digital image processing technology, using the undamaged image information to restore and protect the frescoes. The discrete binary wavelet change is used to decompose and denoise the image signal. And decompose and filter the high-frequency component and low-frequency component of the image, choose different components, respectively, carry out coefficient transformation, and solve the OMP least-paradigm for different random matrices. The color space is selected, and the mural color space is channel decomposed according to the grayscale mode and restored separately. Establish an assumed datum for each independent face of the mural, establish a spatial coordinate system for it, realize the transformation of spatial coordinates, and realize the super-resolution three-dimensional reconstruction of the mural based on the generative adversarial network and the self-attention mechanism. Objective evaluation indexes and subjective evaluation indexes are established to compare the protection effect of different algorithms on murals. Compared with the traditional algorithm CDD, this paper’s algorithm improves the restoration time by 9.545~15.625 s, and the peak signal-to-noise ratio index improves by 1.35~4.769 db. In the results of the image extraction and processing, the calculated values of discrete curvature of the mural segments AB, CD, and EF ranges from -0.00945 to -0.00478, and the difference of standard deviation of the curvature from the target curvature is 6.477%. The approximate target curvature is obtained, and the algorithm has strong adaptive ability.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».