【技术实现步骤摘要】
本专利技术涉及图像识别，具体涉及一种木刻雕版元素检测方法及系统。
技术介绍
1、藏族木刻雕版是藏文化的活化石，承载了藏族人民的智慧，研究藏族木刻雕版可以更好地了解和尊重藏族文化，为非物质文化遗产的保护和传承做出贡献。木刻雕版因年代久远、储存方式不当等原因，出现了磨损或自然老化的情况，以致后续研究学者和文化爱好者在理解木刻雕版元素等内容时遇到了一定的阻碍。深度学习和计算机视觉的发展为木刻雕版技艺的数字化保护和传承提供了有效的解决方案。目标检测作为计算机视觉领域的重要研究方向，采用深度学习算法对图像和视频内容自动识别和定位。目标检测算法因为高效和快速等优点已经被广泛应用于自动驾驶、生物特征识别、人脸识别和医学影像分析等多种领域。目标检测算法可以被划分为两大类：一类是依赖于传统技术的算法，另一类则是利用深度学习技术的算法。
2、在现有技术中，无论采用哪种目标检测算法，都需要大量的高清样本对模型进行训练，以获取精度达到预期的模型，然而藏族木刻雕版样本在磨损和自然老化以及不同拍摄光照条件下，其所提供的样本瑕疵对检测模型的训练会产生负面影响。
技术实现思路
1、为了至少克服现有技术中的上述不足，本申请的目的在于提供一种木刻雕版元素检测方法及系统。
2、第一方面，本申请实施例提供了一种木刻雕版元素检测方法，包括：
3、获取包括多种木刻雕版元素的图像作为样本图像；
4、根据所述样本图像进行3d建模形成多个三维模型；
5、对所述三维模型进行
6、对所述增强样本图像进行标注生成样本集，并根据所述样本集训练深度神经网络模型形成识别模型；所述识别模型的输入数据为图像数据，所述识别模型的输出数据为所述图像数据对应的木刻雕版元素类型；
7、通过所述识别模型对待检测的图像进行木刻雕版元素检测。
8、本申请实施例实施时，需要先进行样本图像采集，其主要通过对已有的多种不同风格的藏族木刻雕版进行图像采集。为了获取大量用于模型训练的图像，在本申请实施例中采用了3d建模的方式生成三维模型，生成三维模型后原本藏族木刻雕版的瑕疵和不同光照情况可以被修正，可以有效的提高后续采样样本的精确度。
9、在本申请实施例中，为了提供更丰富的样本，需要考虑到在进行图像识别过程中，被拍摄的木刻雕版可能处于不同的光照条件中，所以需要进行光照预处理从而在图像采样中获取更丰富的样本信息。基于这些增强后的样本图像可以进行人工标注生成样本集，应当理解的是，增强样本图像可以加入原始的样本图像进而进一步丰富样本，其应当在本申请实施例的保护范围之内。在训练深度神经网络模型时，优选yolov5s，其进行识别模型训练的过程和深度神经网络模型的运行过程属于现有技术，本申请实施例不多做限定。最后通过训练出的识别模型可以对需要进行检测的图像进行木刻雕版元素检测。本申请实施例通过上述技术方案，可以有效解决现有的藏族木刻雕版容易存在瑕疵和光照不均带来的样本偏差问题，有效的提高了训练出的模型在后续使用中的检测精度，同时丰富了可用于训练的样本量，为藏族木刻雕版的研究提供了充足的数据。
10、在一种可能的实现方式中，根据所述样本图像进行3d建模形成多个三维模型包括：
11、对所述样本图像进行边缘检测形成边缘点集和中间点集；所述边缘点集为处于边缘的点位，所述中间点集为非边缘的点位；
12、对所述边缘点集和所述中间点集的点位赋予深度数据形成基础点位集；
13、根据所述基础点位集中的点进行曲面拟合形成3d模型上表面的连续曲面；
14、根据该样本图像对应的木刻雕版元素选取可能存在的材质和配色方案；
15、将根据材质和配色方案对所述连续曲面进行材质布设和着色形成多个所述三维模型。
16、在一种可能的实现方式中，对所述边缘点集和所述中间点集的点位赋予深度数据形成基础点位集包括：
17、根据所述边缘点集中的点位将所述中间点集的点位进行凸出部分和凹陷部分的识别形成凸出点位和凹陷点位；
18、以所述边缘点集中的点位作为基准点进行深度数据赋值；
19、以所述凸出点位聚集区域的中间线对应的所述凸出点位作为最高点进行深度数据赋值；
20、以所述凹陷点位聚集区域的中间线对应的所述凹陷点位作为最低点进行深度数据赋值；所述最高点、所述基准点和所述最低点的深度数据依次降低。
21、在一种可能的实现方式中，对所述三维模型进行光照预处理，并进行图像采样生成增强样本图像包括：
22、为所述三维模型设定多种光照角度和光照强度的光源；
23、从顶部对所述三维模型在不同所述光源照射下进行图像采样形成多个对应该三维模型的所述增强样本图像。
24、在一种可能的实现方式中，对所述增强样本图像进行标注生成样本集包括：
25、对包含至少两种木刻雕版元素进行图像分割，并将分割后的所述增强样本图像和不需要分割的所述增强样本图像进行标注生成样本集；标注标签包括图形符号类、本尊类、民俗类、文字类、咒轮类和法器类。
26、在一种可能的实现方式中，根据所述样本集训练深度神经网络模型形成识别模型包括：
27、将所述样本集拆分为训练集、验证集和测试集；
28、以所述训练集中的图像信息作为输入数据，以所述图像信息对应的标注标签作为输出信息训练所述深度神经网络模型形成所述识别模型；
29、通过所述验证集和所述测试集对所述识别模型进行验证和测试并完成优化形成最终的所述识别模型。
30、第二方面，本申请实施例还提供了一种木刻雕版元素检测系统，包括：
31、获取单元，被配置为获取包括多种木刻雕版元素的图像作为样本图像；
32、建模单元，被配置为根据所述样本图像进行3d建模形成多个三维模型；
33、预处理单元，被配置为对所述三维模型进行多种预处理，并进行图像采样生成增强样本图像；
34、训练单元，被配置为对所述增强样本图像进行标注生成样本集，并根据所述样本集训练深度神经网络模型形成识别模型；所述识别模型的输入数据为图像数据，所述识别模型的输出数据为所述图像数据对应的木刻雕版元素类型；
35、检测单元，被配置为通过所述识别模型对待检测的图像进行木刻雕版元素检测。
36、在一种可能的实现方式中，所述建模单元还被配置为：
37、对所述样本图像进行边缘检测形成边缘点集和中间点集；所述边缘点集为处于边缘的点位，所述中间点集为非边缘的点位；
38、对所述边缘点集和所述中间点集的点位赋予深度数据形成基础点位集；
39、根据所述基础点位集中的点进行曲面拟合形成3d模型上表面的连续曲面；
40、根据该样本图像对应的木刻雕版元素选取可能存在的材质和配色方案；
41、将根据材质和配色本文档来自技高网...
【技术保护点】
1.一种木刻雕版元素检测方法，其特征在于，包括：
2.根据权利要求1所述的一种木刻雕版元素检测方法，其特征在于，根据所述样本图像进行3D建模形成多个三维模型包括：
3.根据权利要求2所述的一种木刻雕版元素检测方法，其特征在于，对所述边缘点集和所述中间点集的点位赋予深度数据形成基础点位集包括：
4.根据权利要求1所述的一种木刻雕版元素检测方法，其特征在于，对所述三维模型进行光照预处理，并进行图像采样生成增强样本图像包括：
5.根据权利要求1所述的一种木刻雕版元素检测方法，其特征在于，对所述增强样本图像进行标注生成样本集包括：
6.根据权利要求1所述的一种木刻雕版元素检测方法，其特征在于，根据所述样本集训练深度神经网络模型形成识别模型包括：
7.一种木刻雕版元素检测系统，其特征在于，包括：
8.根据权利要求7所述的一种木刻雕版元素检测系统，其特征在于，所述建模单元还被配置为：
9.根据权利要求8所述的一种木刻雕版元素检测系统，其特征在于，所述建模单元还被配置为：
10.根据权利
...【技术特征摘要】
1.一种木刻雕版元素检测方法，其特征在于，包括：
2.根据权利要求1所述的一种木刻雕版元素检测方法，其特征在于，根据所述样本图像进行3d建模形成多个三维模型包括：
3.根据权利要求2所述的一种木刻雕版元素检测方法，其特征在于，对所述边缘点集和所述中间点集的点位赋予深度数据形成基础点位集包括：
4.根据权利要求1所述的一种木刻雕版元素检测方法，其特征在于，对所述三维模型进行光照预处理，并进行图像采样生成增强样本图像包括：
5.根据权利要求1所述的一种木刻雕版元素检测方法，其特征在于，对...
【专利技术属性】
技术研发人员：赵启军，普布旦增，杨欣，格桑多吉，仁青诺布，高定国，才让先木，鲜昱恺，相运杰，益西旦增，
申请(专利权)人：西藏大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。