[发明专利]基于自组织映射神经网络的壁画裂缝病害自动修复方法

权利要求书

1.一种基于自组织映射神经网络的壁画裂缝病害自动修复方法，其特征在于包括以下步骤：

步骤1、采集数字化壁画裂缝图像，通过数学形态学对壁画裂缝病害进行标注；

步骤2、采用自组织映射神经网络算法对原始数据进行聚类，完成对图像数据的分层工作，然后对聚类后的分层数据进行修复；

所述步骤2的具体实现方法包括以下步骤：

⑴确定壁画裂缝图像的最佳聚类，得到最佳聚类神经元个数；

⑵对多个聚类图层图像进行并行分层修复；

⑶将修复后多个聚类图层合并，完成壁画裂缝图像的修复；

所述步骤⑵在分层修复过程中，使用迭代计算出每个像素的均值代替直接从图像未破损区域中直接拷贝像素进行修复；并且对图像进行聚类分层后，并行化实现对分层图像的快速修复功能。

2.根据权利要求1所述的基于自组织映射神经网络的壁画裂缝病害自动修复方法，其特征在于：所述步骤2后还包括依据数字图像修复结果对实际壁画裂缝病害的颜料层进行修复的步骤。

3.根据权利要求1或2所述的基于自组织映射神经网络的壁画裂缝病害自动修复方法，其特征在于：所述步骤1的具体实现方法包括以下步骤：

⑴获得数字化壁画裂缝图像并将采集到彩色数字化壁画裂缝图像转换为灰度图像；

⑵对得到的灰度图像应用多尺度形态学边缘梯度检测，以腐蚀膨胀复合运算构成的图像边缘检测算子，提取图像结构轮廓边缘；

⑶采用最大类方差法自适应阈值分割技术将壁画裂缝图像中像素分为目标和背景两类，进而将目标像素进行提取，得到只有两个灰度值的二值图像；

⑷采用连通域标记对二值图像进行度量，去除剩余背景噪声，得到壁画裂缝标注图像。

4.根据权利要求3所述的基于自组织映射神经网络的壁画裂缝病害自动修复方法，其特征在于：所述获得数字化壁画裂缝图像并将采集到彩色数字化壁画裂缝图像转换为灰度图像的具体实现方法为：使用高分辨率数码相机采集获得彩色数字化壁画裂缝图像，对彩色图像(r,g,b)的r、g、b三分量以不同权值进行加权平均，加权公式按下式计算：

V＝0.299×r+0.578×g+0.114×b

其中V代表加权后的灰度图像在(x,y)处的灰度值；r、g、b分别代表在(x,y)处的r、g、b三分量灰度值。

5.根据权利要求3所述的基于自组织映射神经网络的壁画裂缝病害自动修复方法，其特征在于：所述多尺度形态学边缘梯度的数学表达式为：

式中，f(x,y)为灰度图像，b(x,y)表示结构元素，k为尺度参数，表示形态学腐蚀算子，表示形态学膨胀算子。

6.根据权利要求1所述的基于自组织映射神经网络的壁画裂缝病害自动修复方法，其特征在于：所述步骤⑴的具体实现方法为：

①将裂缝图像视为三维向量，设计三个输入单元的SOM网络，每一个单元的输入向量为x＝(x₁,x₂,…,x_n)；

②通过下式计算权向量w_j与x的欧氏距离，从而获得竞争获胜神经元：

其中，x＝(x₁,x₂,…,x_n)是一个n维向量；w_j为竞争层第j个神经元节点的权向量；

③按下式更新权重向量：

w_j(t+1)＝w_j(t)+η(t,N)[x(t)-w_j(t)]

式中，x(t)和w_j(t)分别代表t时刻的输入模式和权向量；η(t,N)是运行时间t和优胜邻域N之间的拓扑关系函数；

④输出图像聚类结果。

7.根据权利要求1所述的基于自组织映射神经网络的壁画裂缝病害自动修复方法，其特征在于：所述步骤⑵的具体实现方法为：假设图像中破损像素为p，1代表未破损像素，0代表破损像素；首先遍历所有破损像素，找出邻近像素均为1的破损像素p，对其进行标记并确定该像素所属层，随后迭代计算出破损像素的值，则该破损像素修复完成；遍历剩余的所有破损像素，寻找邻近像素不全为0的破损像素p'，依次循环，完成所有裂缝破损像素修复。