徐開麗 張乾

摘要：為了對(duì)圖像修復(fù)發(fā)展領(lǐng)域進(jìn)行更深入的研究，利用CiteSpace軟件對(duì)2000—2022年CNKI數(shù)據(jù)庫中與圖像修復(fù)相關(guān)的2623篇文獻(xiàn)進(jìn)行分析，生成的圖譜中包含668個(gè)作者、442個(gè)機(jī)構(gòu)，進(jìn)行整理和可視化分析，得到與圖像修復(fù)相關(guān)的圖譜。結(jié)果表明，天津大學(xué)被引頻次最多，對(duì)該領(lǐng)域的研究具有較大的影響，作者合作圖譜中形成了以翟東海和唐向宏為核心的兩個(gè)緊密型團(tuán)隊(duì)，關(guān)鍵詞分析的研究結(jié)果顯示，圖像修復(fù)、深度學(xué)習(xí)、紋理合成等相關(guān)的關(guān)鍵詞是該領(lǐng)域出現(xiàn)頻次最高的，同時(shí)還涌現(xiàn)出人臉修復(fù)、語義分割、殘差網(wǎng)絡(luò)、壁畫修復(fù)、目標(biāo)檢測(cè)和部分卷積等突現(xiàn)詞。

關(guān)鍵詞：圖像修復(fù)；CiteSpace；深度學(xué)習(xí)

中圖分類號(hào)：TP18? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2023）13-0035-04

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）

0 引言

隨著計(jì)算機(jī)的快速發(fā)展與大數(shù)據(jù)時(shí)代的到來，使得當(dāng)代人在互聯(lián)網(wǎng)中每天都會(huì)生成大量的圖像信息，而生成的圖片中難免會(huì)有許多損壞或者殘缺的情況，如何有效和精準(zhǔn)地對(duì)這些圖像進(jìn)行處理、分類與管理，成為當(dāng)今信息時(shí)代的巨大難題。

圖像修復(fù)是指重建圖像中像素信息的丟失或損壞部分的過程，使用原始圖像的像素信息，對(duì)已破損的圖像進(jìn)行修補(bǔ)和信息的填充[1]，得到一個(gè)達(dá)到理想效果的圖像。數(shù)碼世界中，圖像修復(fù)又稱圖像插值或視頻插值，指利用復(fù)雜的算法來替換已丟失、損壞的圖像數(shù)據(jù)，主要替換一些小區(qū)域和瑕疵[2]，針對(duì)該問題的處理并沒有固定的解法，所以圖像修復(fù)的應(yīng)用領(lǐng)域是非常廣泛的。

本文通過使用CiteSpace工具對(duì)圖像修復(fù)領(lǐng)域的文獻(xiàn)進(jìn)行計(jì)量，對(duì)文獻(xiàn)信息進(jìn)行可視化圖譜分析，可以直觀地識(shí)別出關(guān)于該領(lǐng)域的發(fā)展，并且客觀地反映出在圖像修復(fù)領(lǐng)域相應(yīng)的研究熱點(diǎn)。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

CiteSpace是用于文獻(xiàn)數(shù)據(jù)分析常用的軟件，并且直觀地看出對(duì)圖像處理這一領(lǐng)域現(xiàn)有的研究和發(fā)展。因此選用CiteSpace作為輔助的軟件，運(yùn)用其中的相關(guān)功能對(duì)生成的圖譜進(jìn)行分析，并直觀地展現(xiàn)國內(nèi)關(guān)于圖像處理研究的熱點(diǎn)和趨勢(shì)走向。

1.2 數(shù)據(jù)來源

為了對(duì)圖像處理這一領(lǐng)域進(jìn)行系統(tǒng)的分析，在CNKI數(shù)據(jù)庫中以“圖像處理”為主題，截至2022年10月1日，共檢索2673篇學(xué)術(shù)文章，并且在CNKI數(shù)據(jù)庫中采用高級(jí)檢索的方式以“圖像修復(fù)”為主題，將時(shí)間跨度設(shè)置為 2000—2022年，在對(duì)檢索結(jié)果進(jìn)行反復(fù)篩選后，剔除與主題不太相關(guān)的文章后，得到有效的數(shù)據(jù)為2 623篇。因此，在后面的分析中，以這2623篇文獻(xiàn)為中心進(jìn)行分析。

2 研究結(jié)果與分析

2.1 發(fā)展趨勢(shì)

如圖1所示，圖像修復(fù)主題下的年發(fā)文數(shù)量自2000年以來呈逐年上升的趨勢(shì)，從2003年開始上升速度明顯開始加快，因此關(guān)于該領(lǐng)域的研究從2003年開始變成了熱點(diǎn)話題。在2014年達(dá)到了一個(gè)小高峰，發(fā)文數(shù)量為180篇，自2018年開始，在該領(lǐng)域的發(fā)文數(shù)量上升趨勢(shì)較為明顯，預(yù)計(jì)在未來還有較大的發(fā)展空間。

2.2 合作圖譜分析

為了明確圖像修復(fù)相關(guān)的研究發(fā)文機(jī)構(gòu)和發(fā)文作者的分布特征，使用 CiteSpace對(duì)文獻(xiàn)進(jìn)行處理，得到相關(guān)的圖譜并進(jìn)行分析。

對(duì)研究機(jī)構(gòu)圖譜進(jìn)行分析，總共形成了96條連線、442個(gè)節(jié)點(diǎn)，每個(gè)圓圈表示一個(gè)節(jié)點(diǎn)，即一個(gè)機(jī)構(gòu)。形成的線條表示各研究機(jī)構(gòu)的交流合作，連線越粗，表示機(jī)構(gòu)之間合作越緊密。由圖2可以看出，排名前五的分別是天津大學(xué)、浙江大學(xué)、電子科技大學(xué)、西安電子科技大學(xué)、西南交通大學(xué)。通過分析可以看出，雖然參與研究的機(jī)構(gòu)較多，但是分布較稀疏，說明合作比較少。

結(jié)合發(fā)文作者圖譜與發(fā)文作者的頻次表進(jìn)行分析，如圖3與表1所示。對(duì)作者發(fā)文量進(jìn)行分析，共有668個(gè)作者，形成連線393條，網(wǎng)絡(luò)密度為0.001 8。每個(gè)節(jié)點(diǎn)代表一位作者，節(jié)點(diǎn)的半徑越大代表作者的發(fā)文量越高，連線代表作者間的聯(lián)系，線條越粗作者間的聯(lián)系越緊密[3]。如圖3和表1所示，發(fā)文量排名前6的作者分別是翟東海（14篇），唐向宏（14篇），何凱（13篇），朱曉臨（9篇），魚江（9篇），任澍（9篇）。由圖3可以看出，形成了以翟東海和唐向宏為主的兩個(gè)緊密型團(tuán)隊(duì)，團(tuán)隊(duì)內(nèi)成員聯(lián)系緊密，發(fā)文量多，大部分科研人員尚處于獨(dú)立研究狀態(tài)，僅有少數(shù)學(xué)者間形成了較弱的合作關(guān)系[4]，并且形成的團(tuán)隊(duì)人數(shù)較少，團(tuán)隊(duì)之間沒有直接的合作。

2.3 關(guān)鍵詞共現(xiàn)圖譜分析

以關(guān)鍵詞聚類方式顯示可以得出如圖4的結(jié)果，有節(jié)點(diǎn)800個(gè)、1 373條連線。圖4中的每個(gè)節(jié)點(diǎn)代表一個(gè)關(guān)鍵詞，節(jié)點(diǎn)的大小代表關(guān)鍵詞出現(xiàn)的頻次，節(jié)點(diǎn)之間連線的粗細(xì)代表關(guān)鍵詞之間共現(xiàn)程度的高低[5-7]。可以通過對(duì)關(guān)鍵詞的分析，發(fā)現(xiàn)這一領(lǐng)域的研究熱點(diǎn)，如表2所示，頻次排名前20的關(guān)鍵詞分別是圖像修復(fù)（1 399次）、深度學(xué)習(xí)（180次）、紋理合成（174次）、圖像處理（99次）、稀疏表示（94次）、優(yōu)先權(quán)（71次）、圖像去噪（60次）、圖像分割（57次）、TV模型（47次）、圖像修補(bǔ)（44次）。去除與主題相關(guān)的高頻關(guān)鍵詞，排名前 3 的關(guān)鍵詞分別為深度學(xué)習(xí)、紋理合成和圖像處理，由此可以看出，關(guān)于圖像修復(fù)這一領(lǐng)域的發(fā)展還有很大空間。

2.4 關(guān)鍵詞時(shí)間線圖分析

根據(jù)圖5可以看出，關(guān)鍵詞聚類的時(shí)間線圖譜可以展現(xiàn)出關(guān)鍵詞分布隨時(shí)間變化而變化的脈絡(luò)關(guān)系。本文在800個(gè)節(jié)點(diǎn)的混合網(wǎng)絡(luò)中，篩選出14個(gè)主要集群，可歸納為12個(gè)熱點(diǎn)話題。其中，熱點(diǎn)話題研究路徑較為復(fù)雜且時(shí)間交疊程度較大的是圖像修復(fù)。如圖5所示，在2000—2003年的時(shí)間里，關(guān)于圖像修復(fù)的話題相對(duì)較少，有優(yōu)先級(jí)、圖像處理、修復(fù)等關(guān)鍵詞的出現(xiàn)，在2003年以后，集中出現(xiàn)了大量的高頻熱點(diǎn)關(guān)鍵詞，如圖像修復(fù)、深度學(xué)習(xí)、視頻修復(fù)、紋理合成、圖像分割等，這些關(guān)鍵詞與其他關(guān)鍵詞連線密切；而優(yōu)先級(jí)、tv模型、稀疏表示研究在2020年時(shí)相比之前的研究較少；電路板與彩色圖像的關(guān)鍵詞出現(xiàn)的頻次相對(duì)較少，且與其他關(guān)鍵詞的連線也較為稀疏。

2.5 關(guān)鍵詞突現(xiàn)分析

根據(jù)關(guān)鍵詞出現(xiàn)的頻次可以追蹤相關(guān)領(lǐng)域的研究熱點(diǎn)話題，可以揭示出該領(lǐng)域的研究前沿[8]。圖像修復(fù)的關(guān)鍵詞突現(xiàn)情況如圖6所示，共列出突現(xiàn)強(qiáng)度前25位的關(guān)鍵詞，由圖6可以看出，第一個(gè)階段：2005—2008年，突現(xiàn)詞主要集中于圖像修補(bǔ)、整體變分、紋理合成、視頻修復(fù)、圖像分解和梯度；第二個(gè)階段：2009—2011年，突現(xiàn)詞出現(xiàn)等照度線和tv模型，而且熱度時(shí)間段較短；第三個(gè)階段：2012—2018年，突現(xiàn)詞主要集中于稀疏表示、優(yōu)先級(jí)、樣本塊、壓縮感知、優(yōu)先權(quán)、自適應(yīng)、深度圖像、結(jié)構(gòu)張量、空間填充和三維重建；第四個(gè)階段：2019年至今，突現(xiàn)詞主要集中于深度學(xué)習(xí)、人臉修復(fù)、語義分割、殘差網(wǎng)絡(luò)、壁畫修復(fù)、目標(biāo)檢測(cè)和部分卷積，并且在這一階段中突現(xiàn)強(qiáng)度最高的關(guān)鍵詞是“深度學(xué)習(xí)”，位居所有突現(xiàn)關(guān)鍵詞之首，高達(dá)57.4。

3 結(jié)論

綜上所述，本文基于CiteSpace軟件對(duì)圖像修復(fù)領(lǐng)域共2 623篇文獻(xiàn)進(jìn)行分析，通過可視化圖譜的形式，很好地展現(xiàn)出了關(guān)于圖像修復(fù)領(lǐng)域的研究現(xiàn)狀和主要內(nèi)容，得出以下結(jié)論：1） 從研究數(shù)據(jù)分布來看，從2018年至今，針對(duì)該領(lǐng)域的發(fā)文數(shù)量上升趨勢(shì)較為明顯；2） 從研究機(jī)構(gòu)與作者分布來看，分布較為稀疏，合作較少；3） 從關(guān)鍵詞圖譜分析來看，針對(duì)該領(lǐng)域的研究方法較多，并且都具有交叉性，2019年至今出現(xiàn)的較為熱點(diǎn)的話題中，深度學(xué)習(xí)的強(qiáng)度最高?？梢钥闯觯S著大數(shù)據(jù)時(shí)代的發(fā)展，圖像修復(fù)領(lǐng)域的發(fā)展空間很大。

通過以上分析，可以判斷出研究前沿和挖掘未來的發(fā)展趨勢(shì)，為今后該領(lǐng)域的研究提供新的方向與思路。

參考文獻(xiàn)：

[1] 卜彥超.基于深度學(xué)習(xí)的圖像修復(fù)方案設(shè)計(jì)與實(shí)現(xiàn)[D].長春：吉林大學(xué)，2019.

[2] 尹悅.數(shù)字圖像修復(fù)技術(shù)在大麥地巖畫修復(fù)中的應(yīng)用[D].銀川：寧夏大學(xué)，2019.

[3] 雷丹丹，彭擁軍.基于CiteSpace針灸治療卒中后痙攣性癱瘓的可視化分析[J].實(shí)用中醫(yī)內(nèi)科雜志，2022，36（11）：18-20.

[4] 王立柱，何云峰.基于CiteSpace的我國課程思政研究可視化分析[J].教育理論與實(shí)踐，2022，42（24）：27-31.

[5] 李博，徐澤水，秦勇.自動(dòng)控制與決策領(lǐng)域發(fā)展軌跡及研究特征：基于《控制與決策》期刊文獻(xiàn)計(jì)量統(tǒng)計(jì)分析[J].控制與決策，2022，37（6）：1583-1590.

[6] 焦朋朋，趙霞，張勇，等.基于交通大數(shù)據(jù)的移動(dòng)模式分析綜述[J].中國公路學(xué)報(bào)，2021，34（12）：175-202.

[7] 劉禮.基于CiteSpace的國際圖像分類應(yīng)用研究可視化分析[J].科技創(chuàng)業(yè)月刊，2016，29（12）：106-108.

[8] 聶明輝，郭如良.基于CiteSpace的我國返鄉(xiāng)創(chuàng)業(yè)研究進(jìn)展及趨勢(shì)分析[J].科技廣場，2021（6）：84-96.

【通聯(lián)編輯：唐一東】