壁画作为一种古老的艺术形式,有着很高的美学价值与历史研究意义。但是现存的古代壁画由于自然或人为的原因,受到了不同程度的破坏。采用数字图像的修复方法对受损壁画进行修复与人工修复的方法相比,不仅降低了修复难度,简化了修复过程,同时减少了修复过程对壁画本身的破坏。修复得到的结果对于进一步的文化与历史研究有着重要意义。论文采用深度学习的方法,对壁画的内容、色彩、纹理进行全面的修复,尽可能地将壁画复原到最初的状态。论文的主要工作包括三个方面的内容:第一,针对壁画破损区域检测问题,包括了细小破损区域的自动检测和大块破损的手工掩膜设计两部分内容,论文提出了一个基于像素级别分类的检测模型,用于对细小的破损区域进行检测。论文通过建立一个细小破损区域和裂缝区域的数据集训练,得到一个基于卷积神经网络的分类模型,可以对输入的壁画图像进行像素级别的破损定位和自动掩膜设计,之后再使用手工标记的方法对大面积破损建立掩膜。第二,针对壁画内容的修复问题,论文使用了深度学习中生成模型的方法,让训练好的模型自动生成壁画中的缺失部分来进行补全修复。网络在整体上是一个典型的自编码器结构,由编码器和解码器两部分构成。编码器部分将待处理图片和破损部分对应的掩膜作为输入,并在每层卷积操作中不断收缩掩膜大小直至掩膜全为1。解码器将编码器得到的特征图通过反卷积的方法恢复到原来尺寸,完成修复过程。第三,针对壁画纹理和色彩的修复问题,这一过程借鉴了深度学习中风格迁移的方法,在网络模型的设计中尽量多地保留原图的结构信息,将较大的权重分配给结构部分,使得到的结果图像在内容上尽可能地接近于原图,而在色彩与纹理上尽可能地接近于风格图。其中风格图来源于现代画家基于自身的绘画技巧和对历史的了解对古壁画的临摹。通过以上这些方法,可以将年代久远的古代壁画尽可能地恢复到原始的面貌,实验结果表明文中使用的方法可以得到较好的修复结果。