申请/专利权人：陕西科技大学

申请日：2020-06-05

公开（公告）日：2023-11-21

公开（公告）号：CN111814550B

主分类号：G06V20/80

分类号：G06V20/80;G06V10/44;G06V10/26;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2023.11.21#授权;2020.11.10#实质审查的生效;2020.10.23#公开

摘要：本发明公开了一种基于卷积神经网络和图像处理的陶瓷纹饰提取方法，具体按照以下步骤实施：获取原始陶瓷图像数据集；利用U‑2‑Net卷积神经网络获取陶瓷纹饰区域；在陶瓷纹饰区域和原始图像上分别进行计算机视觉图像算法处理，获取全部纹饰；利用搜索算法定位核心纹饰；保存并输出核心纹饰；通过神经卷积网络与计算机视觉图像处理方法相结合，输入陶瓷图像，即可自动化无损提取陶瓷纹饰图案。该方法过程严谨，受图像背景及环境因素影响较小，效果显著。可用于陶瓷年代鉴定、陶瓷鉴赏、陶瓷设计等领域，对于建立陶瓷纹饰库，保护和传承中华传统艺术文化有着重要意义。

主权项：1.一种基于卷积神经网络和图像处理的陶瓷纹饰提取方法，其特征在于，具体按照以下步骤实施：步骤1、获取原始陶瓷图像数据集；步骤2、利用U-2-Net卷积神经网络获取陶瓷纹饰区域；具体过程为：步骤2.1、在开源网站获取预训练的卷积神经网络模型；步骤2.2、将陶瓷原始陶瓷图像数据集依次输入预训练的卷积神经网络模型，获得陶瓷纹饰区域R，将R区域以外区域置为0；步骤2.3、保存陶瓷纹饰区域R；步骤3、在陶瓷纹饰区域和原始图像上分别进行计算机视觉图像算法处理，获取全部纹饰；具体过程为：步骤3.1、将陶瓷原始陶瓷图像数据集中的原图I和相应的陶瓷纹饰区域R归一化处理，通过转灰度图公式获得原图灰度图IG和陶瓷纹饰区域灰度图RG；转灰度图公式为： 式中，Rij表示是红色通道数值，Gij表示绿色通道数值，Bij表示蓝色通道数值，i表示横坐标，j表示纵坐标；步骤3.2、将陶瓷纹饰区域灰度图RG与原图灰度图IG做差X＝RG-IG，得到图像X；步骤3.3、对图像X进行优化算子运算，得到数据T；所述优化算子运算的公式为： 式中，表示在图像R非零区域的像素平均值；步骤3.4、将数据T作为二值化阈值，对图像X进行二值化阈值处理，检索该图像所有像素点，若像素值小于阈值T，则置为0，否则保持不变，得到图像Y；步骤3.5、将图像Y和图像R分别与原图、原图灰度图IG对应，将图像Y置为0的位置或图像R置为0的位置在原图、原图灰度图IG对应位置均设置为0，得到彩色图像S和灰度图像Z，即为全部纹饰；步骤4、利用搜索算法定位核心纹饰；具体过程为：步骤4.1、对图像Z进行形态学闭运算，得到图像Zm；步骤4.2、对图像Zm进行搜索算法，找到图像中纹饰的所有连通域；步骤4.3、计算连通域内每个像素点的权值，利用高斯分布函数和欧拉距离进行加权处理；将权值最大的区域位置在图像S上展示，并将图像S其他部分像素点置为0，得到核心纹饰；步骤5、保存并输出核心纹饰。

全文数据：

权利要求：

百度查询： 陕西科技大学 一种基于卷积神经网络和图像处理的陶瓷纹饰提取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD