1.一种壁画中裂隙与脱落病害的自动标注方法,其特征在于,包括以下步骤:
1)收集壁画图像,随机裁剪出不同大小的原始壁画图像,构建数据集;
2)把RGB空间的原始壁画图像转换到HSV空间,HSV空间的壁画图像f(x,y)=[H(x,y),ST(x,y),V(x,y)] ,其中H、S、V分别表示色调、饱和度和亮度分量;调整H、S、V三分量的权重系数;权重图像 具体公式为 其中,ωH、ωS、ωV分别对应色调、饱和度和亮度分量的权重系数;
3)分别对权重图像 的三个分量H、S、V进行x和y方向求偏微分,得到梯度图像Gθ(x,y)由下式给出:选择梯度图像Gθ(x,y)中每个像素点上的最大值,得到多维梯度检测的结果图:pi=max(Gθ(x,y))
其中,pi是原始壁画图像经过多维梯度检测后得到的最终输出图像,该图像是一张包含壁画病害特征的灰度图;
4)抑制多维梯度图pi中的绘画线条特征,需要满足如下关系:其中,qi是输出图像,ωk是一个以k为中心的局部窗口,ak、bk均为常量系数;
5)利用下式进行阈值分割计算得到壁画病害区域的初始掩膜:
其中,Imask表示壁画病害区域的初始掩膜,qi为输出图像,t表示阈值;
6)对掩膜Imask进行形态学孔洞填充,得到最终的掩膜Mmask,将掩膜Mmask添加到原始壁画图像得到最终的标注结果。
2.如权利要求1所述壁画中裂隙与脱落病害的自动标注方法,其特征在于,所述使用Sobel算子分别对权重图像 的三个分量进行x和y方向求偏微分,得到矢量u1和u2,具体公式如下:其中,h、s和v是HSV颜色空间沿H、S、V轴的单位矢量, 和 分别是H、S和V分量沿x方向的偏微分, 和 分别是H、S和V分量沿y方向的偏微分;
将矢量u1和u2分别进行点积计算,得到三个参数gxx、gyy和gxy:θ(x,y)的元素是用于计算梯度的每个像素点的角度,角度函数θ(x,y)的计算公式:
3.如权利要求1所述壁画中裂隙与脱落病害的自动标注方法,其特征在于,所述权重系数ωH=0.1,ωS=0.8,ωV=0.1。
4.如权利要求1所述壁画中裂隙与脱落病害的自动标注方法,其特征在于,求解线性系数ak,bk在保持局部线性的同时使得多维梯度图pi和输出图像qi之间的差异最小化,用带有正则化参数ε的损失函数E(ak,bk)表示:求解损失函数的最优解ak和bk得到局部窗口的值,具体表达式为一个像素i可能属于多个窗口,对重叠窗口求平均值得到输出图像,具体计算公式如下:其中 和 分别为ak和bk的均值。
5.如权利要求1所述壁画中裂隙与脱落病害的自动标注方法,其特征在于,采用Otsu阈值分割方法将输出图像qi分割为前景和背景两部分,此时的阈值t即为最优阈值:其中,Pf(t)和Pb(t)分别为阈值分割后壁画病害区域的前景和背景所占比例,mf(t)和mb(t)分别为壁画病害区域的前景和背景中像素的均值,m为整个图像qi中像素的均值,L表示灰度级数,将图像qi与阈值进行比较,大于该灰度阈值的像素不变,为壁画病害区域的前景像素;小于该灰度阈值的像素设为0,为壁画病害区域的背景像素。
6.如权利要求1所述壁画中裂隙与脱落病害的自动标注方法,其特征在于,将壁画病害区域的初始掩膜Imask进行张量投票后得到一个新的张量,由于使用张量投票来连接和扩展初始掩膜中不连续的裂隙像素,故提取棒张量显著图作为结果,最后,将棒张量显著图和病害特征掩膜Imask求并集得到具有完整裂隙的病害特征掩膜。
7.如权利要求1所述壁画中裂隙与脱落病害的自动标注方法,其特征在于,将最终的掩膜Mmask添加到原始壁画f(x,y)得到最终的标注结果fc,具体计算公式如下: