Bei der Verwendung vorhandener Kantenerkennungsmethoden zur Extraktion von Skizzen antiker Wandgemälde treten Probleme mit starkem Rauschen und Informationsverlust auf. In diesem Artikel wird eine optimale Skizzenerkennungsmethode für Wandgemälde vorgeschlagen, die multispektrale Daten und fusionierte Pixel-Differenz-Faltung verwendet. Mittels einer minimalen Rauschtrennung wird zwischen nützlichen Informationen und Rauschen in multispektralen Daten des Wandgemäldes unterschieden, und es wird das optimale Hauptkomponentenband zur Skizzenerkennung ausgewählt. Um das Problem der traditionellen Faltung zur Extraktion von Bildgradienten zu lösen, wird die Pixel-Differenz-Faltung eingeführt, um die Gradienteninformationen der Kantenerkennung zu verbessern. Im Side-Output-Netzwerk wird ein Skalenverstärkungsmodul (SEM) hinzugefügt, um Mehrskaleneigenschaften zu bereichern. Zur Behebung von Fehlern bei der Pixelklassifizierung aufgrund von pixelbezogenem Ungleichgewicht wurde eine auf Bildähnlichkeit basierende Dice-Verlustfunktion entwickelt, die schrittweise den Pixelabstand minimiert, um klare Bildkanten zu erhalten. Das Modell wird mit dem Vorwissen des Wandgemälde-Datensatzes feinabgestimmt, um das Problem des Datenmangels zu lösen. Experimentelle Ergebnisse zeigen, dass diese Methode auch bei verblassten und stark verrauschten Wandgemälden relativ klare Skizzen extrahieren kann. Die SSIM- und RMSE-Werte der Skizzenbilder übertreffen andere Algorithmen und verbessern sich jeweils um 2 % bis 10 % bzw. 2 % bis 4 %. Die Validierung auf dem öffentlichen Datensatz BIPED zeigte, dass die ODS- und OIS-Werte gegenüber PiDiNet um 0,005 bzw. 0,007 verbesserten. Diese Methode kann klare und vollständige Skizzen von verblassten und beschädigten Wandgemälden extrahieren.

Skizzenerkennung; Spektralbildgebung; Pixel-Differenz-Faltung; Pixel-Balance; Wandgemälde