文物圖像分類系統關鍵技術研究.pdf

1、本文作為國家863項目“計算機輔助文物復原技術研究”的一部分，對文物圖像分類系統中的一些關鍵技術和主要算法做了深入的研究。針對文物碎片圖像數據庫，實現了對圖像的檢索并提出了適合文物碎片圖像的神經網絡分類算法，設計并開發(fā)了“文物圖像分類系統”，主要從事了以下研究工作： (1)圖像預處理。采用了簡單有效的具有邊界保持的中值平滑濾波器，對獲取到的數字化的文物碎片圖像進行去噪聲處理，清除圖像中的大部分噪聲。同時，為了改善圖像的質量，使用

2、了模板平滑和梯度銳化、拉普拉斯銳化技術來實現圖像的增強以及直方圖均衡算法和二值化方法。 (2)圖像特征提取及綜合多種特征的分類方法。提取圖像紋理特征如灰度共生矩陣，Tamura紋理特征、自相關函數等，顏色特征如灰度直方圖、顏色矩等；同時研究了文物圖像的形狀特征表示方法如周長、面積、圓形度、質心和二階矩等；并提出一種綜合多種特征的分類方法，選擇顏色、紋理、形狀共8個特征值作為識別文物碎片的依據，輸入到神經網絡分類器的輸入層中，對神

3、經網絡進行訓練和測試分類，達到了較好的效果。 (3)Zernike矩的提取及圖像檢索。對傳統的Zernike矩算法提出了改進，提取了文物圖像的Zernike矩描述子，并將其作為圖像檢索時的特征值。實驗結果表明，這些特征很好地刻畫了碎片圖像的區(qū)域特征，提高了檢索的準確率。 (4)神經網絡分類器設計。深入分析了神經網絡的模式分類原理，算法的一般理論，剖析了神經網絡的主要優(yōu)、缺點，提出了解決或部分解決神經網絡缺陷的改進方法。研