[发明专利]基于元胞自动机的文物表面纹理特征提取方法

说明书

本发明公开了基于元胞自动机的文物表面纹理特征提取方法，首先拍取文物表面图像，将拍取的文物表面图像转换为灰度值图像，对灰度值图像进行增强处理，采用SLIC算法将增强处理后的灰度值图像分割成n个超像素点，将每个像素点作为一个元胞；通过每个元胞与其四邻域元胞之间灰度值的相关性来判断该元胞是否处在纹理特征处，提取初步纹理特征；对初步纹理特征图像进行优化处理，得到优化后的每个元胞的灰度值，即纹理特征图；本发明通过元胞自动机的演化规则，通过设定一定的阈值，可以有效的将灰度值差异较大提取出来。再通过一定的优化函数，使得纹理特征处更加清晰，非纹理特征处相应的被弱化，运行时快速高效，提取特征时高效、快速。

技术领域

本发明属于图像处理技术领域，涉及一种提取文物表面纹理特征的方法，具体涉及一种基于元胞自动机的文物表面纹理特征提取方法。

背景技术

大量文物在出土时已经破碎成堆，这些来自不同文物或不同部位的碎块混在一起，对文物的复原工作造成诸多不便。对于表面具有浮雕或者印记且这种凸起或者凹陷的结构具有一定规律性和重复性的碎片，提取其表面的规律性显著特征不仅可用于碎片的分类和识别，对碎片后期的自动拼接起到指导性作用；同时还可以用于文物碎片修复，从而整体提高工作效率。

目前国内外已有许多学者在纹理特征提取方面做了广泛的研究，其中较为著名的有灰度共生矩阵(gray level co-occurrence matrix，GLCM)算法、马尔科夫随机场(Markov random field，MRF)模型算法、小波变换(discrete wavelet transform，DWT)算法等，这些方法在图像分类和模式识别应用领域内取得了较好的结果。但是这些方法共同的突出问题是计算复杂度较大，同时对于背景干扰或者光照不均的问题图片，它们的处理效果往往欠佳。因此，T.Ojala等人于1996年提出了局部二值模式算法(Local BinaryPatterns，LBP)，用于纹理特征的描述。由于LBP计算复杂度小，并且具有灰度不变性和旋转不变性，因此在纹理分析的相关领域受到高度关注。但是LBP算法对纹理特征进行描述时仅依赖中心点和其邻域点的灰度差异，对于相邻点之间的灰度值变化规律关注度过低，导致本身像素灰度值分布不同的中心像素却有相同的位置关系，由于丢掉图像自身所独有的纹理特征而在一定程度上造成信息的浪费，使检索结果出现较大的偏差。

发明内容

针对上述现有技术存在的不足，本发明的目的在于提供一种基于元胞自动机的纹理特征提取方法，它具有并行高速处理的能力，可以通过邻居间的相互交流在共同的演化规则下来探索图像所具有的特征信息，并且提取出的纹理特征较为显著。

为解决上述技术问题，本发明采用了以下技术方案：

基于元胞自动机的文物表面纹理特征提取方法，首先拍取文物表面图像，还包括以下步骤：

步骤一：将拍取的文物表面图像转换为灰度值图像，对灰度值图像进行增强处理；

步骤二：采用SLIC算法将增强处理后的灰度值图像分割成n个超像素点，将每个像素点作为一个元胞；

步骤三：通过公式(1)来提取初步纹理特征，得到初步纹理特征图像；

其中，

其中，i表示中心元胞，i＝1,2,…,n，I_i表示中心元胞的灰度值，I_j表示i的四邻域元胞的灰度值，N＝1000；Δ表示相关性的筛选阈值，Δ＝0.03～0.09；表示演化前中心元胞及其四领域元胞的灰度值，表示演化后中心元胞的灰度值；

步骤四：通过公式(3)对步骤三获得的初步纹理特征图像进行优化处理，得到纹理特征图；