[發明專利]一種基于卷積神經網絡和圖像處理的陶瓷紋飾提取方法

在審

• 申請號: 202010506590.0
• 申請日: 2020-06-05
• 公開（公告）號: CN111814550A
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 齊勇;楊洋;林華偉;左云帆;于成龍
• 申請（專利權）人: 陜西科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06N3/04
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 韓玙

1.一種基于卷積神經網絡和圖像處理的陶瓷紋飾提取方法，其特征在于，具體按照以下步驟實施：

步驟1、獲取原始陶瓷圖像數據集；

步驟2、利用U-2-Net卷積神經網絡獲取陶瓷紋飾區域；

步驟3、在陶瓷紋飾區域和原始圖像上分別進行計算機視覺圖像算法處理，獲取全部紋飾；

步驟4、利用搜索算法定位核心紋飾；

步驟5、保存并輸出核心紋飾。

2.根據權利要求1所述一種基于卷積神經網絡和圖像處理的陶瓷紋飾提取方法，其特征在于，步驟2具體過程為：

步驟2.1、在開源網站獲取預訓練的卷積神經網絡模型；

步驟2.2、將陶瓷原始陶瓷圖像數據集依次輸入預訓練的卷積神經網絡模型，獲得陶瓷紋飾區域R，將R區域以外區域置為0；

步驟2.3、保存陶瓷紋飾區域R。

3.根據權利要求1所述一種基于卷積神經網絡和圖像處理的陶瓷紋飾提取方法，其特征在于，步驟3具體過程為：

步驟3.1、將陶瓷原始陶瓷圖像數據集中的原圖I和相應的陶瓷紋飾區域R歸一化處理，通過轉灰度圖公式獲得原圖灰度圖I_G和陶瓷紋飾區域灰度圖R_G；

步驟3.2、將陶瓷紋飾區域灰度圖R_G與原圖灰度圖I_G做差X＝R_G-I_G，得到圖像X；

步驟3.3、對圖像X進行優化算子運算，得到數據T；

步驟3.4、將數據T作為二值化閾值，對圖像X進行二值化閾值處理，檢索該圖像所有像素點，若像素值小于閾值T，則置為0，否則保持不變，得到圖像Y；

步驟3.5、將圖像Y和圖像R分別與原圖、原圖灰度圖I_G對應，將圖像Y置為0的位置或圖像R置為0的位置在原圖、原圖灰度圖I_G對應位置均設置為0，得到彩色圖像S和灰度圖像Z，即為全部紋飾。

4.根據權利要求3所述一種基于卷積神經網絡和圖像處理的陶瓷紋飾提取方法，其特征在于，步驟3.1中轉灰度圖公式為：

式中，R_ij表示是紅色通道數值，G_ij表示綠色通道數值，B_ij表示藍色通道數值，i表示橫坐標，j表示縱坐標。

5.根據權利要求3所述一種基于卷積神經網絡和圖像處理的陶瓷紋飾提取方法，其特征在于，步驟3.3中所述優化算子運算的公式為：

式中，表示在圖像R非零區域的像素平均值。

6.根據權利要求3所述一種基于卷積神經網絡和圖像處理的陶瓷紋飾提取方法，其特征在于，步驟4具體過程為：

步驟4.1、對圖像Z進行形態學閉運算，得到圖像Z_m；

步驟4.2、對圖像Z_m進行搜索算法，找到圖像中紋飾的所有連通域；

步驟4.3、計算連通域內每個像素點的權值，利用高斯分布函數和歐拉距離進行加權處理；

將權值最大的區域位置在圖像S上展示，并將圖像S其他部分像素點置為0，得到核心紋飾。

7.根據權利要求6所述一種基于卷積神經網絡和圖像處理的陶瓷紋飾提取方法，其特征在于，所述每個像素點的權值計算公式為：

其中，μ＝0，σ²＝30000，m表示圖像的高，n表示圖像的寬。