基于频率引导的少样本图案修补用于明代补子修复

为何拯救旧布章重要

世界各地的博物馆保存着来自中国明代的珍贵织物方章，这些方章曾通过精细的鸟与云图案显示官员的品阶。许多补子已被撕裂、褪色或布满孔洞，令历史学家与公众难以看清它们的原貌。本研究提出一种数字化修复方法，能够在计算机上谨慎地“填补”这些纺织品的缺损部分，帮助保护文化遗产，同时避免直接接触脆弱的原件。

补子的来历

明代补子不仅是漂亮的图案；它们是官员的可视识别标志。每个品级对应一种特定的鸟，从高官的鹤到低级的雀类。图案以重复的图纹和丰富的象征意义编织而成，因此任何线迹的丢失都会抹去视觉节奏与历史信息。现有的数字修补工具在普通照片上常常表现良好，但面对这些补子时却力有不逮：它们可能生成看似合理的纹理，却破坏织物严格的重复性，或错误再现关键的鸟类符号，从而混淆品级信息。

从极少样本中学习的聪明方式

与现代时装图像不同，历史纺织品数量稀少，计算机无法依赖数百万个训练样本。作者针对这一“少样本”问题，构建了一个聚焦的数据集，收集了来自博物馆和私人藏家的685件明代补子，包含完整与受损样本。系统被训练以仅用每类补子最少五件完好样本来重建缺损区域。该方法不把这些织物当作通用图像处理，而是针对具有强重复性和明确象征元素的面料进行定制，使其能在有限数据下泛化，同时尊重补子的文化含义。

在两种“世界”中聆听图案

核心创新在于让计算机以两种互补的方式观察每件补子：作为图像和作为频谱图案。在常规图像视角下，系统检查它在空洞中填补的颜色与纹理是否与周围线迹平滑融合。在频率视角下，一种称为傅里叶变换的数学工具将重复的织纹转换为频谱图中的亮点，类似于把音乐变成音高图。损伤会扰乱这些规则的峰值。所提出的网络在恢复缺损区域时，强制修复后补子的频率图案与完好样本匹配，帮助恢复云纹、波纹和边饰的正确节奏，而非随意猜测的纹理。

保留意义，而不只是外观

为避免丢失每件补子背后的故事，作者加入了另一层引导。一 个独立的识别模型被训练用于根据中央的鸟类和其他象征线索区分品级。在修复过程中，如果完成的图像在该识别模型看来不再属于同一品级，系统会受到惩罚。这种“文化感知”损失促使修补过程保留关键符号和整体构图，因此受损的鹤纹补子会被修复为鹤纹补子，而不是仅仅看起来装饰性强的图案。与艺术史学家和纺织专家进行的用户研究证实，该方法在保持图案准确性、符号清晰度和色彩和谐方面优于现有主流方案。

结果对遗产保护的意义

测试显示，该新方法相比现有最先进的修补工具能产生更清晰、更规则的图案和更令人信服的重建结果，这一点在数值图像质量评分和专家评估中均得到体现。尽管在补子大面积缺失，尤其是中央鸟类缺损时仍会遇到困难，它仍为博物馆和研究人员提供了强有力的数字辅助。通过将少量样本的智能学习与对织物底层节奏和象征性的细致关注相结合，这项工作指向了这样一个未来：脆弱的历史纺织品可以被研究、共享，甚至在不危及原件的情况下进行虚拟“修复”。

引用: Zhang, W., Zhang, Y. Frequency-guided few-shot pattern inpainting for Ming Dynasty rank badges restoration. npj Herit. Sci. 14, 234 (2026). https://doi.org/10.1038/s40494-025-02201-z

关键词: 文化遗产, 纺织修复, 图像修补, 明代, 深度学习