1 西安建筑科技大学 信息与控制工程学院，陕西 西安 710055
2 陕西省文物保护研究院，陕西 西安 710075
3 陕西省考古研究院，陕西 西安 710054
使用现有边缘检测方法提取古代壁画的线稿，存在噪声干扰大且丢失信息较多的问题。本文提出一种融合像素差卷积的壁画最优波段线稿提取方法，利用最小噪声分离方法将壁画多光谱数据的有效信息和噪声分离，选择最优主成分波段进行线稿的提取。针对传统卷积提取图像梯度信息的问题，引入像素差卷积提高边缘检测的图像梯度信息。在侧输出网络加入尺度增强模块（SEM）丰富多尺度特征，同时针对像素级别不平衡引起的像素错误分类问题，设计了基于图像相似度的Dice损失函数策略，逐级最小化像素距离获得清晰图像边缘，并利用壁画数据集先验知识微调模型解决数据集不足的问题。实验结果表明，本文方法可以在壁画褪色和噪声较多的场景下提取出较为清晰的线稿，线稿图像的SSIM和RMSE均优于其他算法，分别提高了2%~10%和2%~4%；在公开数据集BIPED上对模型进行验证，所提方法的ODS和OIS较PiDiNet分别提高0.005和0.007。该方法对褪色及具有病害的壁画可以提取出清晰完整的线稿图像。
线稿提取 光谱成像 像素差卷积 像素级平衡 壁画 sketch extraction spectral imaging pixel difference convolution pixel-level balancing mural
1 西安建筑科技大学信息与控制工程学院，陕西 西安 710055
2 陕西省文物保护研究院，陕西 西安 710075
3 西安博物院，陕西 西安 710074
针对传统城墙病害检测采用人工勘测方法，检测效率较低且易受到主观因素干扰等问题，提出一种基于卷积神经网络的城墙多光谱成像病害无损检测方法，利用最小噪声分离方法对城墙多光谱成像数据进行预处理，降低数据维度的同时保留原始数据特征，减少数据噪声；为解决城墙不同病害类型的像素混杂多样造成分类准确率较低的问题，利用卷积操作对城墙病害进行特征提取，保留最重要的特征并去除无关特征，稀疏网络模型；通过全连接层对提取到的特征进行整合梳理和分类，并加入两次dropout防止过拟合问题的出现。最后在城墙多光谱数据集上，使用训练后的卷积神经网络分类模型对城墙病害进行像素级分类检测，并将预测结果进行可视化展示。实验结果表明：总体精度和Kappa系数分别为93.28%和0.91，表明所提方法是有效的，该方法对提高城墙病害检测准确率、掌握城墙病害分布具有重要意义。
光谱学 卷积神经网络 多光谱成像 像素级分类 城墙病害 激光与光电子学进展
2024, 61(4): 0437006
1 西安建筑科技大学 信息与控制工程学院，陕西 西安 710055
2 中国社会科学院 考古研究所，北京 100101
3 陕西省文物保护研究院，陕西 西安 710075
骨签是记载西汉时期地方工官向中央上缴产品的重要文物，准确检测其文字内容具有重要意义。针对复杂纹理背景下骨签文字特征难以提取及文字密集、粘连导致检测框冗余的问题，提出融合自注意力卷积和改进损失函数的骨签文字检测算法。首先，在YOLOv5特征提取端加入自注意力卷积模块，增强网络对骨签文字特征的注意，同时使模型捕捉更丰富的全局信息，抑制裂痕对文字特征提取的干扰。其次，使用Focal-EIOU损失函数替换原网络的CIOU进行优化，Focal-EIOU使用宽高损失降低预测框与真实框的宽高差距，剔除大于真实框的预测框，解决文字密集与粘连产生的检测框冗余问题，进而提高模型精准预测能力。实验结果表明，本文算法的平均精确率达到93.35%，相比YOLOv5提高了3.08%，对于复杂纹理背景下的密集粘连骨签文字检测任务更为适用。
文字检测 骨签 注意力机制 YOLOv5 损失函数 text detection bone stick attention mechanism YOLOv5 loss function
1 西安建筑科技大学信息与控制工程学院，陕西 西安 710055
2 中国社会科学院考古研究所，北京 100101
3 陕西省文物保护研究院，陕西 西安 710075
汉长安城遗址出土骨签数量庞大，基于数字图像技术的骨签尺寸自动测量方法能够提高工作效率。针对骨签纹理繁多、边缘对比度低导致测量精度不高的问题，提出一种基于分区域自适应阈值Zernike矩的骨签图像尺寸测量方法。首先，利用Canny算子进行像素级定位；然后，对称设定边缘有效分区域，以欧氏距离为比例系数计算各个分区域像素点与中心点的加权灰度值，作为各区域Zernike矩提取边缘的判定阈值，提取骨签亚像素级边缘；其次，引入边缘轮廓判别条件剔除无效纹理，获取骨签图像精确轮廓；最后，使用最小外接矩算法计算骨签不规则轮廓，结合相机标定完成骨签尺寸测量。实验结果表明，与其他方法相比，该方法测量的骨签长宽的均方根误差分别降低1.3 mm和1.2 mm，平均相对误差分别降低3%和6.3%，平均绝对误差分别降低1.23 mm和1.08 mm，能够有效提高复杂边缘轮廓的骨签尺寸测量精度。
测量 尺寸检测 Zernike矩亚像素边缘检测 自适应阈值 边缘提取 最小外接矩算法 激光与光电子学进展
2023, 60(14): 1412001
1 西安建筑科技大学信息与控制工程学院，陕西 西安 710055
2 陕西省文物保护研究院，陕西 西安 710075
现有的青铜器铭文变体种类较少，利用深度学习网络训练容易出现过拟合现象，且深层卷积网络对青铜器铭文细节形态特征提取能力不足，导致铭文分类准确率较低。针对该问题，提出一种融合形态特征的小样本青铜器铭文分类算法。首先，引入形态学算法对铭文进行孔洞填充预处理，降低孔洞对铭文形态结构的影响；其次，调整AlexNet结构，并在各卷积层中引入批量归一化，控制每批随机输入值的分布情况，使输入数据符合正态分布标准，避免网络向单一方向过度学习，抑制过拟合现象；最后，使用speeded-up robust features（SURF）算子提取铭文细节形态特征，并将其与卷积神经网络提取的抽象信息融合，增强分类器的表达能力。在自制青铜器铭文数据集上的实验结果表明，所提算法的分类准确率高达98.86%，优于LeNet5、Vgg13、Vgg16、ResNet、AlexNet 等传统算法，说明改进后的算法能有效解决小样本铭文分类准确率低的问题。
图像处理 青铜器铭文分类 深度学习 小样本学习 特征融合 激光与光电子学进展
2023, 60(4): 0410011
1 西安建筑科技大学信息与控制工程学院，陕西 西安 710055
2 陕西省文物保护研究院，陕西 西安 710075
现有残缺文字图像的修复需要确定Mask区域后对其填补，如果文字残缺部分剩余信息量过于稀疏，将无法确定Mask区域。针对该问题，提出了一种基于内容风格迁移的残缺稀疏文字图像盲修复方法。利用循环生成对抗网络构建修复前后文字图像间的全局关联像素信息，将残缺文字的图像内容风格特征迁移为完整文字图像从而进行修复；并在网络中加入自注意力机制对稀疏像素进行全局约束，解决迁移过程中相隔较远文字稀疏像素之间依赖关系较弱的问题；同时在自注意力机制中使用最大池化，提高迁移修复后的文字图像纹理特征；使用最小二乘损失替换原网络模型中的sigmoid交叉熵损失函数，提高迁移精度。实验结果表明，所提方法不借助Mask指导，能够盲修复稀疏性残缺文字图像中的随机未知缺失区域。
成像系统 盲修复 循环生成对抗网络 自注意力模块 最小二乘损失 激光与光电子学进展
2022, 59(24): 2411001
1 西安建筑科技大学信息与控制工程学院，陕西 西安 710055
2 陕西省文物保护研究院，陕西 西安 710075
颜料的分类识别是古代壁画进行保护修复的基础，多光谱成像方法能够无损快速地获取壁画颜料的光谱图像数据并进行分析。传统利用卷积神经网络进行特征提取的算法中连续的卷积和池化操作会丢失壁画多光谱图像的部分特征信息，使得图像细节无法重建，导致分类图像边界不平滑。针对该问题，提出了一种基于多尺度特征融合的三维空洞卷积残差神经网络对壁画多光谱图像进行颜料分类。首先，在卷积核中引入空洞结构提高卷积核的感受野来提取不同尺度信息，避免池化操作所导致的部分特征丢失；其次，使用特征融合的方法融合不同尺度的特征图，增加多尺度特征的结构层次；最后，引入残差学习模块避免网络层数加深导致的梯度消失问题，重建完整的边缘信息。实验结果表明，所提方法在模拟壁画多光谱图像数据集上的总体精度和平均精度分别达到了98.87%和96.89%，与各对照组相比，不仅具有更好的分类精度，而且得到了边界更清晰的分类图像。
光谱学 多光谱图像分类 空洞卷积 多尺度特征融合 残差学习 激光与光电子学进展
2022, 59(22): 2230001
1 西安建筑科技大学信息与控制工程学院，陕西 西安 710055
2 陕西省文物保护研究院，陕西 西安 710075
针对太阳光照变化、物体间遮挡、拍摄角度偏差等干扰造成古城墙表面病害图像信息被隐藏，病害特征提取与识别效果不佳的问题，提出了一种基于光照分量自适应校正的古城墙表面病害图像信息增强方法。利用多尺度高斯函数连续卷积提取光照分量，根据像素点光照分量与均值的偏差非线性变换关系确定Gamma参数，构造增强2D-Gamma函数自适应校正图像过亮和偏暗区域的亮度值，恢复隐藏信息；同时为解决2D-Gamma函数对高亮像素点亮度值衰减表征能力较弱问题，使用同态滤波在频域压制高亮区域的光照分量，减小亮度动态范围，增强图像高亮区域隐藏信息；并利用系数因子将亮度校正后图像与Sobel算子提取的边缘细节图像线性融合，重构获取细节清晰、纹理突出的古城墙表面病害增强图像。实验结果表明，对于受光照、遮挡等干扰因素影响可视性较差的图像，所提方法在保留原图像细节信息的同时有效解决了光照不均、遮挡和阴影等造成的图像信息隐藏问题，增强了古城墙表面病害图像特征，提高了病害识别的准确率。
图像信息增强 多尺度高斯函数 增强2D-Gamma 同态滤波 线性融合 激光与光电子学进展
2022, 59(16): 1610012
