[發(fā)明專利]基于高光譜分類與分割的壁畫顏料層脫落病害標(biāo)注方法

有效

• 申請?zhí)枺?/td>: 202010564567.7
• 申請日: 2020-06-19
• 公開（公告）號: CN111832569B
• 公開（公告）日: 2023-10-27
• 發(fā)明（設(shè)計）人: 彭進業(yè);侯昱岑;王珺;俞凱;張群喜;張二磊;章勇勤;祝軒;趙萬青
• 申請（專利權(quán)）人: 西北大學(xué);陜西歷史博物館(陜西省文物交流中心)
• 主分類號: G06V10/26
• 分類號: G06V10/26;G06V10/25;G06V10/56;G06V10/44;G06V10/764;G06V10/762;G06V20/70
• 代理公司: 西安恒泰知識產(chǎn)權(quán)代理事務(wù)所 61216
• 代理人: 王芳

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，公開了一種基于高光譜圖像分類與分割的壁畫顏料層脫落病害自動標(biāo)注的方法。將高光譜圖像分類和不同特征提取波段上的圖像分割結(jié)合有效結(jié)合了文物的光譜信息和空間信息，不僅可以標(biāo)注出可見光下清晰的病害，還可以標(biāo)注出可見光下隱藏的病害。能自動標(biāo)注出古代壁畫顏料層脫落病害的位置和邊緣，在無損情況下呈現(xiàn)病害的分布，實現(xiàn)壁畫病害的空間可視化分析和壁畫病害位置的虛擬展示，減少大量的人力和時間。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體涉及一種基于高光譜圖像分類與分割的壁畫顏料層脫落病害自動標(biāo)注的方法。

背景技術(shù)

壁畫文化是我國文化遺產(chǎn)不可或缺的一部分，具有獨特的歷史、文化、科學(xué)、藝術(shù)、情感等研究價值。但由于自然因素的存在，壁畫的保存環(huán)境中溫度和濕度的變化隨著時間的累積，使其不斷出現(xiàn)包括顏料層脫落、酥減、煙熏、起甲、空鼓、裂隙、微生物和霉變等二十多種病害。由于文物的不可再生性、本體的脆弱性和不可復(fù)制性，壁畫顏料層脫落病害的出現(xiàn)使文物修復(fù)出現(xiàn)不可逆的影響，在壁畫的修復(fù)過程中，對壁畫病害的識別與標(biāo)注可以通過病害的面積與分布對壁畫的保存現(xiàn)狀有一個清晰的認識。

目前，對于古代壁畫的病害提取，主要方法有化學(xué)分析、人工勾繪、基于傳統(tǒng)方法的病害提取方法、病害風(fēng)險評估、基于人機交互的病害標(biāo)注等?；瘜W(xué)分析法會對壁畫造成二次損害；人工勾繪雖然結(jié)果準確，但主觀性強且耗時耗力；基于傳統(tǒng)方法的病害提取和病害風(fēng)險評估的方法的缺點是對復(fù)雜顏料和復(fù)雜病害表現(xiàn)的壁畫數(shù)據(jù)提取病害的能力較低；基于人機交互的病害標(biāo)注的方法與人工勾繪大致相同，需要耗費大量的時間與人力。

高光譜成像技術(shù)具有無損、無污染、高效、蘊含信息多等優(yōu)點，非常適合壁畫的病害檢查。高光譜成像技術(shù)現(xiàn)在已經(jīng)成功應(yīng)用于古書畫壁畫文物研究領(lǐng)域，然而對于顏料層脫落病害的標(biāo)注研究較少。

發(fā)明內(nèi)容

一種基于高光譜分類與分割的壁畫顏料層脫落病害標(biāo)注方法，解決了現(xiàn)有技術(shù)中存在的對于顏料層脫落病害的標(biāo)注研究較少和現(xiàn)有方法精度較低等問題。為了實現(xiàn)上述任務(wù)，本發(fā)明采用以下技術(shù)方案：

一種基于高光譜圖像分類與分割的顏料層脫落病害自動標(biāo)注方法，包括如下步驟：

步驟1：采集壁畫的原始高光譜數(shù)據(jù)并進行預(yù)處理，得到經(jīng)預(yù)處理的高光譜數(shù)據(jù)S_or，對S_or進行連續(xù)統(tǒng)去除得到高光譜數(shù)據(jù)S_cr，對S_or進行RGB三波段合成得到真彩色圖像；

步驟2：將步驟1獲得S_or和S_cr輸入高光譜分類網(wǎng)絡(luò)，輸出原始分類結(jié)果，所述原始分類結(jié)果包含正常區(qū)域和病害預(yù)提取區(qū)域；

步驟3：對步驟1獲得的經(jīng)預(yù)處理的高光譜數(shù)據(jù)S_or進行特征提取，獲得各個特征波段的成分灰度圖，所有特征波段的成分灰度圖作為成分灰度圖集合；

對每張?zhí)卣鞑ǘ蔚某煞只叶葓D進行分割，獲得多個分割區(qū)域，所有包含多個分割區(qū)域的特征波段的成分灰度圖作為不同特征波段的分割區(qū)域集合，其中第j個特征波段的第i個分割區(qū)域為i和j為正整數(shù)；

對步驟1獲得的真彩色圖像進行分割，得到真彩色圖像分割區(qū)域集合，其中第i個真彩色圖像分割區(qū)域為

步驟4：根據(jù)步驟3得到的不同特征成分的分割區(qū)域集合、真彩色圖像分割區(qū)域集合和步驟2得到的病害預(yù)提取區(qū)域，獲得顏料層脫落病害標(biāo)注區(qū)域集合，包括如下子步驟：

步驟4.1：根據(jù)步驟2得到的病害預(yù)提取區(qū)域和步驟3得到的在不同特征成分的分割區(qū)域集合中任一區(qū)域上的占比進行選擇，若病害預(yù)提取區(qū)域在任一特征成分的分割區(qū)域的像素點占比滿足第一閾值則該特征成分的分割區(qū)域為感興趣區(qū)域，所有感興趣區(qū)域的集合為ROI集；