本发明专利技术公开了一种用于青花瓷纹饰提取与分类的方法和系统，包括：获取青花瓷纹饰的二维平面图像，得到源图像；使用GrabCut算法对源图像进行背景的分离，得到纹饰图像；判断所述纹饰图像是否粘连，若粘连则通过标记所述纹饰图像的前景和后景的方式去除背景干扰；将步骤S3输出的纹饰图像，送入通过预先训练好的深度学习网络模型，得到纹饰图像对应的分类；将纹饰图像和其对应的分类通过可视化的方式进行存储。本发明专利技术基于图像处理算法与深度学习技术，实现青花瓷纹饰的自动化提取与高效分类。通过友好的用户交互界面，该房能够高效完成纹饰的加载、处理、分类及结果保存，解决现有技术中纹饰提取精度不足、分类效率低下及操作复杂等问题。
【技术实现步骤摘要】
本专利技术涉及计算机视觉与人工智能交叉，尤其是涉及一种用于青花瓷纹饰提取与分类的方法和系统。
技术介绍
1、青花瓷是中国陶瓷艺术的瑰宝，因其独特的釉下彩绘工艺和丰富多样的纹饰表现而享誉世界。青花瓷纹饰涵盖了人物、动物、山水、植物等多种题材，体现了中国传统文化的深厚底蕴和艺术精髓。随着数字化技术的快速发展，对青花瓷纹饰的数字化处理与智能分析成为文化遗产保护的重要方向。然而，在实际应用中，青花瓷纹饰的提取与分类却具有一定的困难。
2、青花瓷纹饰通常由单一的蓝色线条勾勒，其颜色与瓷器背景的底色非常接近，加之纹饰中可能包含渐变或杂色的笔触，传统的阈值分割和边缘检测算法难以精确区分纹饰与背景。此外，不同青花瓷器的背景可能存在划痕、污渍或釉面反光，这进一步增加了纹饰提取的难度。
3、同时，青花瓷纹饰种类繁多，每类纹饰的几何结构、纹理细节和艺术风格均具有显著差异。例如：人物纹饰：以写意的笔法刻画形态多变的人物形象；动物纹饰：常见飞禽、走兽，其形态多样且具有较高的细节表现；山水纹饰：以浓淡相间的笔触绘制自然山水景观；植物纹饰：包括花草树木，通常表现为对称或连续的几何图案。这种纹饰特征的多样性对纹饰的提取与分类算法提出了更高的要求，必须兼顾不同类型纹饰的精确提取与分类精度。
4、当前，青花瓷纹饰的数字化处理大多采用人工标注与传统图像处理技术。然而，人工标注耗时费力且存在主观偏差，无法满足大规模数据处理的需求；传统图像处理方法(如边缘检测、形态学处理)对复杂背景的适应性较差，难以在纹饰细节处理上达到较高的精度。</p>
技术实现思路
1、本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种用于青花瓷纹饰提取与分类的方法和系统，以解决上述
技术介绍
中所述提出的问题。
2、为解决上述技术问题，本专利技术采用的技术方案是：一种用于青花瓷纹饰提取与分类的方法和系统，其中，一种用于青花瓷纹饰提取与分类的方法，包括：
3、s1：获取青花瓷纹饰的二维平面图像，得到源图像；
4、s2：使用grabcut算法对所述源图像进行背景的分离，得到纹饰图像；
5、s3：判断所述纹饰图像是否粘连，若粘连则通过标记所述纹饰图像的前景和后景的方式去除背景干扰；
6、s4：将步骤s3输出的纹饰图像，送入通过预先训练好的resnet50深度学习网络模型，得到纹饰图像对应的分类；
7、s5：将纹饰图像和其对应的分类通过可视化的方式进行存储；
8、所述resnet50深度学习网络模型，将纹饰图像作为输入，将纹饰图像对应的分类作为输出，对其进行训练。
9、进一步，在步骤s1之后且步骤s2之前，还包括：
10、通过rtv算法，对所述源图像进行平滑处理。
11、更进一步，所述通过rtv算法，对所述源图像进行平滑处理，包括：
12、将所述源图像进行分离像素归一化处理；
13、计算归一化处理后的源图像的相对总变差和局部总变差，确定源图像的各个像素点的平滑程度；
14、根据各个像素点的平滑程度和设定的目标函数，对源图像进行平滑处理。
15、进一步，在步骤s2中，所述使用grabcut算法对所述源图像进行背景的分离，得到纹饰图像，包括：
16、通过描边初始化所述源图像；
17、根据所述源图像中各个像素点，建立所述源图像的能量函数；
18、使用图割技术对所述源图像进行切割，使得所述能量函数最小化，输出切割后的源图像得到所述纹饰图像。
19、更进一步，所述能量函数由数据项和平滑项组成。
20、进一步，在步骤s1中，所述源图像的获取包括：
21、获取青花瓷图像，所述青花瓷图像为二维平面图像；
22、根据用户交互选择所述青花瓷图像中的纹饰区域，作为所述源图像。
23、基于上述方法的专利技术构思，本专利技术还提出的一种用于青花瓷纹饰提取与分类的系统，包括：
24、图像获取模块，用于获取青花瓷纹饰的二维平面图像，得到源图像；
25、纹饰分离模块，用于使用grabcut算法对所述源图像进行背景的分离，得到纹饰图像；
26、干扰去除模块，用于判断所述纹饰图像是否粘连，若粘连则通过标记所述纹饰图像的前景和后景的方式去除背景干扰；
27、纹饰分类模块，用于将干扰去除模块输出的纹饰图像，送入通过预先训练好的resnet50深度学习网络模型，得到纹饰图像对应的分类；
28、纹饰存储模块，用于将纹饰图像和其对应的分类通过可视化的方式进行存储；
29、所述resnet50深度学习网络模型，将纹饰图像作为输入，将纹饰图像对应的分类作为输出，对其进行训练。
30、本专利技术与现有技术相比具有以下优点：
31、本专利技术提供一种用于青花瓷纹饰提取与分类的方法和系统，基于图像处理算法(grabcut)与深度学习技术(resnet50)，实现青花瓷纹饰的自动化提取与高效分类。通过友好的用户交互界面，该房能够高效完成纹饰的加载、处理、分类及结果保存，解决现有技术中纹饰提取精度不足、分类效率低下及操作复杂等问题，为文化遗产的数字化保护与智能分析提供技术支持。
32、下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
本文档来自技高网...
【技术保护点】
1.一种用于青花瓷纹饰提取与分类的方法，其特征在于，包括：
2.按照权利要求1所述的一种用于青花瓷纹饰提取与分类的方法，其特征在于，在步骤S1之后且步骤S2之前，还包括：
3.按照权利要求2所述的一种用于青花瓷纹饰提取与分类的方法，其特征在于，所述通过RTV算法，对所述源图像进行平滑处理，包括：
4.按照权利要求1所述的一种用于青花瓷纹饰提取与分类的方法，其特征在于，在步骤S2中，所述使用GrabCut算法对所述源图像进行背景的分离，得到纹饰图像，包括：
5.按照权利要求4所述的一种用于青花瓷纹饰提取与分类的方法，其特征在于，所述能量函数由数据项和平滑项组成。
6.按照权利要求1所述的一种用于青花瓷纹饰提取与分类的方法，其特征在于，在步骤S1中，所述源图像的获取包括：
7.一种用于青花瓷纹饰提取与分类的系统，其特征在于，包括：
【技术特征摘要】
1.一种用于青花瓷纹饰提取与分类的方法，其特征在于，包括：
2.按照权利要求1所述的一种用于青花瓷纹饰提取与分类的方法，其特征在于，在步骤s1之后且步骤s2之前，还包括：
3.按照权利要求2所述的一种用于青花瓷纹饰提取与分类的方法，其特征在于，所述通过rtv算法，对所述源图像进行平滑处理，包括：
4.按照权利要求1所述的一种用于青花瓷纹饰提取与分类的方法，其特征在于...
【专利技术属性】
技术研发人员：赵谦，白磊，程玉洁，杨蕊，
申请(专利权)人：西安科技大学，
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。