申请/专利权人：北京建筑大学

申请日：2024-01-11

公开（公告）日：2024-04-09

公开（公告）号：CN117853459A

主分类号：G06T7/00

分类号：G06T7/00;G06V10/26;G06V10/762;G06T17/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种基于三维精细数据的文物病害自动高精度提取方法，包括：获取文物的附带投影参数的正射影像；根据图像复杂度计算灰度共生矩阵对正射影像进行自适应K值的SLIC图像分割聚类计算正射影像的自适应超像素个数K，根据计算得到的K值对图像进行超像素分割；对超像素分割结果进行K均值聚类分割，将文物的病害像素坐标提取出来；将文物的病害像素坐标转换为的三维坐标信息，然后进行三维重建，得到病害的三维几何信息。本发明结合图像分割算法，实现病害自动提取，同时应用二三维数据转换，自动得到病害三维信息，不仅大大节省了手动点选的时间，同时提升了病害提取的准确性。

主权项：1.一种基于三维精细数据的文物病害自动高精度提取方法，其特征在于，包括如下步骤：步骤一、获取文物的附带投影参数的正射影像；步骤二、根据图像复杂度计算灰度共生矩阵对所述正射影像进行自适应K值的SLIC图像分割聚类，包括：2.1依据式14计算所述正射影像的自适应超像素个数K 其中，W表示图像的宽，H表示图像的高，Tk表示图像本身的复杂度，表示上取整；2.2根据计算得到的K值进行SLIC分割：首先依据所述自适应超像素个数，在图像内均匀地分配种子点；然后在聚类中心的n邻域内重新选取聚类中心，n为正整数，计算每个所述邻域内所有像素点的灰度梯度，并遍历各领域内像素的梯度值，最后将值最小的像素点作为调整后的聚类中心；再以调整后的聚类中心为搜索中心，以若干部中心间距为邻域搜寻范围，给分割图像每个原始像素点构建中心标识，以确定每个像素点可能隶属的聚类中心，且对于每个搜索到的所述像素点，分别计算所述像素点与搜索到其的种子点的距离，取最小值对应的种子点作为所述像素点的聚类中心，对图像进行超像素分割；2.3对所述超像素分割结果进行K均值聚类分割，将文物的病害像素坐标提取出来；步骤三、将文物的所述病害像素坐标转换到三维平面坐标中，得到病害的三维坐标信息，然后对所述病害三维坐标进行三维重建，得到病害的三维几何信息。

全文数据：

权利要求：

百度查询： 北京建筑大学 基于三维精细数据的文物病害自动高精度提取方法

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