[發(fā)明專利]基于自組織映射神經(jīng)網(wǎng)絡(luò)的壁畫裂縫病害自動(dòng)修復(fù)方法

有效

• 申請?zhí)枺?/td>: 202010521666.7
• 申請日: 2020-06-10
• 公開（公告）號: CN111754427B
• 公開（公告）日: 2022-09-16
• 發(fā)明（設(shè)計(jì)）人: 盆海波;王兆霞;王雙雙
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/13;G06T5/30;G06T7/194;G06T7/136;G06V10/762
• 代理公司: 天津盛理知識(shí)產(chǎn)權(quán)代理有限公司 12209
• 代理人: 王利文

1.一種基于自組織映射神經(jīng)網(wǎng)絡(luò)的壁畫裂縫病害自動(dòng)修復(fù)方法，其特征在于包括以下步驟：

步驟1、采集數(shù)字化壁畫裂縫圖像，通過數(shù)學(xué)形態(tài)學(xué)對壁畫裂縫病害進(jìn)行標(biāo)注；

步驟2、采用自組織映射神經(jīng)網(wǎng)絡(luò)算法對原始數(shù)據(jù)進(jìn)行聚類，完成對圖像數(shù)據(jù)的分層工作，然后對聚類后的分層數(shù)據(jù)進(jìn)行修復(fù)；

所述步驟2的具體實(shí)現(xiàn)方法包括以下步驟：

⑴確定壁畫裂縫圖像的最佳聚類，得到最佳聚類神經(jīng)元個(gè)數(shù)；

⑵對多個(gè)聚類圖層圖像進(jìn)行并行分層修復(fù)；

⑶將修復(fù)后多個(gè)聚類圖層合并，完成壁畫裂縫圖像的修復(fù)；

所述步驟⑵在分層修復(fù)過程中，使用迭代計(jì)算出每個(gè)像素的均值代替直接從圖像未破損區(qū)域中直接拷貝像素進(jìn)行修復(fù)；并且對圖像進(jìn)行聚類分層后，并行化實(shí)現(xiàn)對分層圖像的快速修復(fù)功能。

2.根據(jù)權(quán)利要求1所述的基于自組織映射神經(jīng)網(wǎng)絡(luò)的壁畫裂縫病害自動(dòng)修復(fù)方法，其特征在于：所述步驟2后還包括依據(jù)數(shù)字圖像修復(fù)結(jié)果對實(shí)際壁畫裂縫病害的顏料層進(jìn)行修復(fù)的步驟。

3.根據(jù)權(quán)利要求1或2所述的基于自組織映射神經(jīng)網(wǎng)絡(luò)的壁畫裂縫病害自動(dòng)修復(fù)方法，其特征在于：所述步驟1的具體實(shí)現(xiàn)方法包括以下步驟：

⑴獲得數(shù)字化壁畫裂縫圖像并將采集到彩色數(shù)字化壁畫裂縫圖像轉(zhuǎn)換為灰度圖像；

⑵對得到的灰度圖像應(yīng)用多尺度形態(tài)學(xué)邊緣梯度檢測，以腐蝕膨脹復(fù)合運(yùn)算構(gòu)成的圖像邊緣檢測算子，提取圖像結(jié)構(gòu)輪廓邊緣；

⑶采用最大類方差法自適應(yīng)閾值分割技術(shù)將壁畫裂縫圖像中像素分為目標(biāo)和背景兩類，進(jìn)而將目標(biāo)像素進(jìn)行提取，得到只有兩個(gè)灰度值的二值圖像；

⑷采用連通域標(biāo)記對二值圖像進(jìn)行度量，去除剩余背景噪聲，得到壁畫裂縫標(biāo)注圖像。

4.根據(jù)權(quán)利要求3所述的基于自組織映射神經(jīng)網(wǎng)絡(luò)的壁畫裂縫病害自動(dòng)修復(fù)方法，其特征在于：所述獲得數(shù)字化壁畫裂縫圖像并將采集到彩色數(shù)字化壁畫裂縫圖像轉(zhuǎn)換為灰度圖像的具體實(shí)現(xiàn)方法為：使用高分辨率數(shù)碼相機(jī)采集獲得彩色數(shù)字化壁畫裂縫圖像，對彩色圖像(r,g,b)的r、g、b三分量以不同權(quán)值進(jìn)行加權(quán)平均，加權(quán)公式按下式計(jì)算：

V＝0.299×r+0.578×g+0.114×b

其中V代表加權(quán)后的灰度圖像在(x,y)處的灰度值；r、g、b分別代表在(x,y)處的r、g、b三分量灰度值。

5.根據(jù)權(quán)利要求3所述的基于自組織映射神經(jīng)網(wǎng)絡(luò)的壁畫裂縫病害自動(dòng)修復(fù)方法，其特征在于：所述多尺度形態(tài)學(xué)邊緣梯度的數(shù)學(xué)表達(dá)式為：

式中，f(x,y)為灰度圖像，b(x,y)表示結(jié)構(gòu)元素，k為尺度參數(shù)，表示形態(tài)學(xué)腐蝕算子，表示形態(tài)學(xué)膨脹算子。

6.根據(jù)權(quán)利要求1所述的基于自組織映射神經(jīng)網(wǎng)絡(luò)的壁畫裂縫病害自動(dòng)修復(fù)方法，其特征在于：所述步驟⑴的具體實(shí)現(xiàn)方法為：

①將裂縫圖像視為三維向量，設(shè)計(jì)三個(gè)輸入單元的SOM網(wǎng)絡(luò)，每一個(gè)單元的輸入向量為x＝(x₁,x₂,…,x_n)；

②通過下式計(jì)算權(quán)向量w_j與x的歐氏距離，從而獲得競爭獲勝神經(jīng)元：

其中，x＝(x₁,x₂,…,x_n)是一個(gè)n維向量；w_j為競爭層第j個(gè)神經(jīng)元節(jié)點(diǎn)的權(quán)向量；

③按下式更新權(quán)重向量：

w_j(t+1)＝w_j(t)+η(t,N)[x(t)-w_j(t)]

式中，x(t)和w_j(t)分別代表t時(shí)刻的輸入模式和權(quán)向量；η(t,N)是運(yùn)行時(shí)間t和優(yōu)勝鄰域N之間的拓?fù)潢P(guān)系函數(shù)；

④輸出圖像聚類結(jié)果。

7.根據(jù)權(quán)利要求1所述的基于自組織映射神經(jīng)網(wǎng)絡(luò)的壁畫裂縫病害自動(dòng)修復(fù)方法，其特征在于：所述步驟⑵的具體實(shí)現(xiàn)方法為：假設(shè)圖像中破損像素為p，1代表未破損像素，0代表破損像素；首先遍歷所有破損像素，找出鄰近像素均為1的破損像素p，對其進(jìn)行標(biāo)記并確定該像素所屬層，隨后迭代計(jì)算出破損像素的值，則該破損像素修復(fù)完成；遍歷剩余的所有破損像素，尋找鄰近像素不全為0的破損像素p'，依次循環(huán)，完成所有裂縫破損像素修復(fù)。