西北大学信息科学与技术学院，陕西 西安 710127
在秦俑保护领域，为了降低秦俑碎片匹配及拼接的工作难度，更多的计算机辅助技术应用在破碎秦俑复原工作核心环节的碎片分类中。针对传统的秦俑碎片分类方法对碎片特征提取不充分及秦俑碎片数据采集难度较高等导致的分类准确率低下的问题，提出了一种基于数据增强的秦俑碎片深度分类模型。首先，通过条件生成式对抗网络对现有秦俑碎片数据集进行数据增强，实现秦俑数据集的扩充。其次，通过深度卷积神经网络自动且充分地提取碎片特征信息并实现有效的碎片分类效果。然后，引入convolutional block attention module（CBAM）双通道注意力机制和CutMix增强策略来显著提升深度分类模型的性能。最后，在秦俑实验数据集的对比实验结果表明，与传统的基于几何特征、尺度不变特征变换特征、形状特征、多特征融合等经典碎片分类方法相比，所提方法对秦俑碎片的分类取得了更准确的分类结果，有效降低了后续复原工作中匹配、拼接等工作的复杂度，进而提高了秦俑文物复原工作的整体效率。
图像处理 破碎秦俑复原 碎片分类 条件生成式对抗网络 双通道注意力机制 增强策略 激光与光电子学进展
2022, 59(18): 1810010
为了研究秦始皇兵马俑一号坑第三次发掘出土弓韬遗迹表面的纺织品残留物, 使用红外光谱仪、 扫描电子显微镜、 三维视频显微镜对其进行了分析。 发现纺织品残留物的红外光谱在876 cm-1波数处有纤维素中β-D-葡萄糖苷键的特征吸收振动谱带, 在1 080 cm-1波数处和1 033 cm-1波数处有纤维素中葡萄糖环中C—O醚键的伸缩振动峰。 结合样品红外谱图在动物纤维应有的峰位1 658 cm-1左右和1 534 cm-1左右未出现吸收峰推测弓韬表面的纺织品残留物为棉、 麻类植物纤维编织而成。 此外, 样品红外光谱在1 637 cm-1处有木质素中共轭羰基和C=C伸缩振动的重叠吸收峰, 以及1 434 cm-1处有纤维素与木质素中CH2的弯曲振动峰。 基于棉纤维在1 434 cm-1左右无吸收峰, 亚麻纤维在1 730和1 434 cm-1附近有吸收峰, 而苎麻纤维只在1 434 cm-1附近有吸收峰的判断标准, 推测弓韬遗迹表面的纺织品残留物为苎麻织物。 扫描电镜分析发现样品表面形态均一, 呈细微片状垒结, 未见平行排列的纤维以及表面的节理信息。 判断是因纺织品长时间埋藏、 降解, 导致纤维物理结构消失所致。 三维视频显微镜测量结果表明, 纺织品残留物的纺织密度为9×9根·cm-2, 与其他遗址出土的纺织品痕迹相比经纬稀疏, 密度并未达到制作服饰的要求。 经纬线直径分别为(0.965±0.029)和(0.982±0.019) mm(95%置信水平), 且通过独立样本t检验发现经、 纬线径差异不显著。 根据以上分析结果得出了弓韬制作之初在其表面曾缠绕过苎麻织物的结论, 推测其用途为包裹以便于持握及加固弓韬。
秦始皇兵马俑 弓韬 纺织品残留物 红外光谱分析 显微分析 Terracotta and Horses of Qin Shihuang Bag for storing bows Textile residues Analysis of FTIR Microscope analysis 光谱学与光谱分析
2020, 40(11): 3623
江苏仪征刘集联营的西汉墓出土了17件彩绘陶俑, 陶俑在出土过程中表面残留的彩绘随泥层剥落。通过对脱落的粘有颜料的泥层取样, 进行超景深显微观察、拉曼光谱和扫描电镜能谱分析, 结果表明红色颜料为朱砂、白色颜料为高岭土、黄色颜料为雄黄。颜料纯度很高, 杂质较少, 可得知当时彩绘陶制作时对颜料的选择要求很高。检测分析结果为江苏地区的汉墓考古文化提供了重要信息。
西汉墓 彩绘陶 颜料 Western Han Dynasty Tomb painted terracotta pigment
西北大学 信息科学与技术学院, 陕西 西安 710127
针对兵马俑图像三维重建时特征误匹配率较高、效率较低的问题, 提出了一种基于两视图兵马俑图像的特征分区匹配方案。该方案在兵马俑图像上, 首先利用学习不变特征变换(Learned Invariant Feature Transform, LIFT)方法提取整幅兵马俑图像的特征; 接着利用提出的基于先验知识的特征点分布曲线分割方法确定兵马俑头部分割线位置, 根据头部分割线将提取的特征分为头部特征和躯干特征; 最终采用欧式距离进行分区特征匹配, 对于匹配结果集合使用随机抽样一致性算法(Random Sample Consensus, RANSAC)滤除误匹配点集。实验结果表明: 在兵马俑图像特征提取及匹配中该方案的正确匹配率可以达到98%, 相比于SIFT和SURF方法正确匹配率提高了20%左右, 特征点的可重复率提高了10%左右, 同时将RANSAC的迭代时间降低了50%, 而且在尺度、光照、角度发生变换时具有较好的鲁棒性。因此本文提出的方案能够很好地实现特征点的正确匹配, 在兵马俑的三维重建中具有很高的使用价值。
兵马俑 特征提取 特征匹配 Terracotta Warriors feature extraction feature matching LIFT LIFT RANSAC RANSAC
1 咸阳师范学院教育科学学院, 陕西 咸阳 712000
2 西北大学信息科学与技术学院, 陕西 西安 710127
针对秦俑碎块存在缺损、匹配精度低、速度慢等问题,提出一种基于内部形态描述子(ISS)特征点的碎块断裂面匹配方法。对碎块进行外表面分割,并提取碎块的断裂面;提取断裂面上的ISS特征点,计算特征点的特征序列,并通过特征序列的匹配来实现断裂面的粗匹配;采用一种基于模拟退火的改进迭代最近点算法对断裂面的特征点集进行再次匹配,实现断裂面的细匹配,以达到碎块精确匹配的目的。对4组秦俑碎块进行匹配实验,结果表明,该方法比现有方法具有更高的匹配精度和速度,是一种有效的秦俑碎块匹配方法。
图像处理 点云配准 断裂面匹配 特征点 秦俑 模拟退火 迭代最近点 激光与光电子学进展
2018, 55(4): 041005
