面向含隐藏设计艺术品的混合X射线图像分离
计算机视觉与模式识别
2022-07-13 v1 图像与视频处理
摘要
在本文中，我们关注带有隐藏 subsurface 设计的绘画的X射线图像（例如，源于绘画支撑物的重复使用或艺术家对构图的修改），其包含来自表面绘画和隐藏特征两方面的贡献。具体而言，我们提出了一种基于自监督深度学习的图像分离方法，可应用于此类绘画的X射线图像，将其分离为两幅假设的X射线图像。其中一幅重建图像与隐藏绘画的X射线图像相关，而第二幅仅包含与可见绘画的X射线相关的信息。所提出的分离网络由两个组件组成：分析子网络和合成子网络。分析子网络基于使用算法展开技术设计的习得耦合迭代收缩阈值算法（LCISTA），合成子网络由若干线性映射组成。该学习算法以完全自监督的方式运行，无需包含混合X射线图像与分离后图像的样本集。所提方法在含有隐藏内容的真实画作——弗朗西斯科·德·戈雅的《多尼亚·伊莎贝尔·德·波塞尔》上进行了演示，以证明其有效性。
引用
@article{arxiv.2201.09167,
title = {Mixed X-Ray Image Separation for Artworks with Concealed Designs},
author = {Wei Pu and Jun-Jie Huang and Barak Sober and Nathan Daly and Catherine Higgitt and Ingrid Daubechies and Pier Luigi Dragotti and Miguel Rodigues},
journal= {arXiv preprint arXiv:2201.09167},
year = {2022}
}