基于纹理的文物病害高精度自动提取方法技术

本发明专利技术公开了一种基于纹理的文物病害高精度自动提取方法，包括：步骤一、获取文物的正射影像；步骤二、将文物的正射影像作为数据处理基础，以改进的简单线性迭代超像素分割法对文物的正射影像数据进行SLIC聚类，将文物的病害区域分割为若干个大小相近、属性相同的像素集合；步骤三、通过基于信息传递的聚类方式，以像素集合为聚类中心将文物的病害区域融合在一起，统计计算其病害情况。本发明专利技术还公开了基于纹理的文物病害高精度自动提取系统，包括图像分割模块、聚类模块和病害统计模块。本发明专利技术大大减少了文物病害调查过程中的人为参与干扰，为文物的修复、完善、保护方案的制定研究提供基础数据，对于文物数字化保护具有现实意义和科研价值。

High precision automatic extraction method of cultural relic diseases based on texture

【技术实现步骤摘要】
基于纹理的文物病害高精度自动提取方法
本专利技术涉及一种基于纹理的文物病害高精度自动提取方法。
技术介绍
对于文物病害提取的研究是文物保护、文物研究的基础，在文物保护项目中文物数字化是文物病害提取的前提。目前对于文物病害的提取，一般仍采用基于文物数字化信息的手动提取方法，其问题是：(1)获取影像数据时如没有现场采光环境调节参数且无色卡进行后续颜色纠正，则不能确保病害纹理信息的正确性；(2)病害调查过程中很多时候获取的病害影像数据不是正射影像，应用此种影像进行病害调查，调查结果的可靠性得不到保障；(3)病害提取大都是应用软件对病害区域进行手动提取，工作量繁重，效率低下。因此，应用无畸变影像的文物病害自动提取是目前国内外学者研究的重点。目前对于区域自动提取方面的研究主要有边缘提取和图像分割等方法。存在的问题主要在于：(1)文物的复杂性导致的提取的边缘数据很难加以判断是否为病害边缘；(2)难以统计病害本身的区域大小以及病害边界的长度。传统的图像分割方法如多阈值分割法、基于聚类的分割法、基于区域的分割法等。存在的问题主要在于：(1)多阈值分割法不一定能本文档来自技高网...

【技术保护点】
1.一种基于纹理的文物病害高精度自动提取方法，其特征在于，包括如下步骤：/n步骤一、获取文物的正射影像；/n步骤二、将文物的正射影像作为数据处理基础，以改进的简单线性迭代超像素分割法SLIC对文物的正射影像数据进行SLIC聚类，将文物的病害区域分割为若干个大小相近、属性相同的像素集合；/n其中，所述对于简单线性迭代超像素分割法的改进包括如下步骤：引入边缘提取算法，以计算简单线性迭代超像素分割法分割结果的边缘数据与边缘提取算子的边缘数据的边缘召回率为参照，通过改变聚类中心个数k以及紧凑度参数m来调整边缘召回率的比值，直到边缘召回率达到既定要求则输出k、m值以及分割结果；/n所述边缘召回率的计算为...

【技术特征摘要】
20190628 CN 20191057789241.一种基于纹理的文物病害高精度自动提取方法，其特征在于，包括如下步骤：
步骤一、获取文物的正射影像；
步骤二、将文物的正射影像作为数据处理基础，以改进的简单线性迭代超像素分割法SLIC对文物的正射影像数据进行SLIC聚类，将文物的病害区域分割为若干个大小相近、属性相同的像素集合；
其中，所述对于简单线性迭代超像素分割法的改进包括如下步骤：引入边缘提取算法，以计算简单线性迭代超像素分割法分割结果的边缘数据与边缘提取算子的边缘数据的边缘召回率为参照，通过改变聚类中心个数k以及紧凑度参数m来调整边缘召回率的比值，直到边缘召回率达到既定要求则输出k、m值以及分割结果；
所述边缘召回率的计算为以边缘提取算法Canny的边缘数据为真值边缘、将SLIC超像素分割结果得到的超像素边缘数据与之进行计算得到，如下式所示：



式中s——表示超像素边缘数据集；
g——表示Canny边缘数据集；
p——表示人工标准分割结果中边缘像素数量；
q——表示超像素分割结果中边缘像素数量；
δg——表示人工标准分割结果中所有边缘像素的集合；
δs——表示超像素分割结果中所有边缘像素的集合；
步骤三、通过基于信息传递AP的聚类方式，以所述像素集合为聚类中心将文物的病害区域融合在一起，统计计算出文物的病害情况。


2.如权利要求1所述的基于纹理的文物病害高精度自动提取方法，其特征在于，所述步骤二中，对于简单线性迭代超像素分割法的改进的具体计算过程为：
步骤1)：给定聚类中心个数k以及紧凑度参数m；
步骤2)：使用Canny算法对图像进行边缘提取，并记录边缘像素的行列号；
步骤3)：以步骤1)中给定的聚类中心数量与紧凑度参数进行超像素分割得到超像素边缘数据；
步骤4)：计算所述边缘召回率；
步骤5)：若边缘召回率达到0.9以上则输出当前聚类中心个数，若边缘召回率在0.9以下则聚类中心数量增加10，重新进行步骤3)；
步骤6)：当聚类中心个数K增加到300时，若边缘召回率仍然没有达到0.9，那么更新紧凑度参数，每次将紧凑度参数减少10进行超像素分割；
步骤7)：边缘召回率达到所述既定要求后使用输出满足要求的聚类中心个数以及紧凑度参数，得到改进的SLIC超像素分割算法；
步骤8)：使用所述SLIC超像素分割算法对文物的正射影像图像数据进行分割，得到k个像素集合。


3.如权利要求2所述的基于纹理的文物病害高精度自动提取方法，其特征在于，步骤三中，通过基于信息传递的聚类方式，以所述像素集合为聚类中心将文物的病害区域融合在一起的具体步骤包括：
步骤9)：计算超像素区块R(i)内所有点在Lab色彩空间中的颜色分量均值XR(i)，并以此为该超像素的颜色特征向量；
步骤10)：根据公式(1)计算任意超像素区块间的欧式距离，得到相似度矩阵S；
步骤11)：以相似度矩阵S的中值作为初始化参数，阻尼系数λ＝0.5，吸引度与归属度参数均归0；
步骤12)：根据公式(2)-(4)计算归属度与吸引度：
s(i，k)＝-||XR(i)-XR(k)||2，i≠k(1)









式中r(i，j)——表示吸引度；
a(i，j)——表示归属度；
i,j——表示两个不同的超像素聚类像素集合；
s(i,j)——表示非聚类中心的欧氏距离；
k’——表...

【专利技术属性】
技术研发人员：胡春梅，王瑜，黄浩雯，崔哲，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：北京;11