详情

原文传递古漆器漆膜大数据复合特征判别方法

专利名称：	古漆器漆膜大数据复合特征判别方法
摘要：	本发明公开了一种基于古漆器漆膜大数据复合特征的判别方法，包括以下步骤：对现有的古漆器漆膜正品样本进行数据特征提取，包含化学成分特征、显微图像特征、扫描电镜X‑射线能谱特征、傅里叶变换红外光谱仪特征、拉曼光谱仪特征；根据提取的数据特征，建立样本库和古漆器漆膜的模式识别分类器，对现有的古漆器漆膜正品样本，分别进行标签标定；获取待检测和鉴定的未知漆器漆膜的数据特征，并与样本库中的参数进行比对，获取最优匹配结果，如果匹配成功则认定该待测样品的类别、工艺及年代预测结果，否则分类器提示异常信息，完成漆器漆膜的鉴定。本发明为进行漆器漆膜的文物真伪推断、年代鉴别、工艺判别提供了科学方法。
专利类型：	发明专利
国家地区组织代码：	湖北;42
申请人：	武汉工程大学
发明人：	徐国庆;李澜;张艺军;郝新颖;张岚斌
专利状态：	有效
申请日期：	2019-06-04T00:00:00+0800
发布日期：	2019-09-27T00:00:00+0800
申请号：	CN201910480897.5
公开号：	CN110286139A
代理机构：	湖北武汉永嘉专利代理有限公司
代理人：	许美红
分类号：	G01N23/20091(2018.01);G;G01;G01N;G01N23
申请人地址：	430074 湖北省武汉市洪山区雄楚大街693号
主权项：	1.一种基于古漆器漆膜大数据复合特征的判别方法，其特征在于，包括以下步骤：对现有的古漆器漆膜正品样本进行数据特征提取，包含化学成分特征、显微图像特征、扫描电镜X-射线能谱特征、傅里叶变换红外光谱仪特征、拉曼光谱仪特征；根据提取的数据特征，建立样本库和古漆器漆膜的模式识别分类器，对现有的古漆器漆膜正品样本，分别进行标签标定；获取待检测和鉴定的未知漆器漆膜的数据特征，并与样本库中的参数进行比对，获取最优匹配结果，如果匹配成功则认定该待测样品的类别、工艺及年代预测结果，否则分类器提示异常信息，完成漆器漆膜的鉴定。 2.如权利要求1所述的基于古漆器漆膜大数据复合特征的判别方法，其特征在于，提取数据特征具体包括以下步骤： S1、分别获取漆膜样品的正面、背面、截面的显微图像，建立显微表征参数；对漆膜的显微图像进行图像平滑处理，滤除图像噪声，消除漆膜图像邻近像素点之间的微小变化对图像的影响； S2、计算显微图像的颜色聚合向量特征； S3、对漆膜的显微图像进行颜色空间量化，并针对彩色漆膜的显微图像分别对图像的RGB颜色分量进行量化； S4、对漆膜的显微图像进行灰度处理，经过归一化后，计算图像灰度像素的灰度共生矩阵； S5、根据漆膜样品的X射线能量色散谱分析数据，计算漆膜的EDS特征； S6、根据漆膜样品的背面X射线衍射分析数据，计算其XRD特征； S7、根据漆膜样品的激光共焦拉曼光谱仪数据，计算其RS特征； S8、根据漆膜样品的傅里叶变换红外光谱仪数据，计算其FTIR特征。 3.根据权利要求2所述的基于古漆器漆膜大数据复合特征的判别方法，其特征在于，步骤S1包括： S11、对漆膜的显微图像使用双边滤波器进行滤波处理，滤除表面的包含微尘、阴影的噪声，输出平滑的预处理图像； S12、对图像的边缘、纹理线条特征进行提取。 4.如权利要求2所述的基于古漆器漆膜大数据复合特征的判别方法，其特征在于，所述步骤S2包括： S21、在经过平滑处理后的图像上提取颜色聚合向量，根据图像连通区域，将像素点分类为聚合和非聚合两类，并分别写入标签标记； S22、对聚合区域计算颜色聚合向量，并存入特征标记。 5.如权利要求2所述的基于古漆器漆膜大数据复合特征的判别方法，其特征在于，步骤S3包括： S31、将漆膜的彩色图像按照颜色通道分量进行10级量化处理； S32、将量化后的分量值归一化存储为一维特征向量。 6.如权利要求2所述的基于古漆器漆膜大数据复合特征的判别方法，其特征在于，步骤S4包括： S41、将漆膜图像按照从左至右、从上至下依次划分为3×3像素邻域大小的像素块，然后以2×2的子块内滑动，获得4个子邻域块，每个子邻域包含4个像素，每个子邻域中以原3×3像素邻域中间像素点为参考像素； S42、在子邻域内，以左上角点为基元点，扫描4个像素点，共有7种扫描路径； S43、以7条扫描路径，像素距离为1，路径与横轴夹角分别为0度、45度、90度、135度，计算该子邻域图像的共生矩阵； S44、以共生矩阵为依据计算灰度共生矩阵元素值的平方和，获得能量属性； S45、计算基元像素点与其领域像素点之间的区别程度，构造图像的清晰度和纹理沟纹深浅的程度的对比度属性； S45、计算度量空间灰度共生矩阵元素在行或列方向上的相似程度，获得指定像素对出现的联合概率的相关性属性； S46、计算图像纹理的粗糙度，获得均匀度属性； S47、计算该子邻域的熵； S48、将对比度、相关性、熵、均匀度、能量统计参数存储为特征向量。 7.如权利要求2所述的基于古漆器漆膜大数据复合特征的判别方法，其特征在于，步骤S5包括： S51、获取漆膜样品的X射线能量色散谱分析数据，并依次提取C、O、Hg、S、Al、Si、Fe、Ca、Cu、K、Cl、Cr、Mg、Na元素含量； S52、将各元素的含量存储为一维向量，并添加特征标签。 8.如权利要求1所述的基于古漆器漆膜大数据复合特征的判别方法，其特征在于，步骤S6包括： S61、根据漆膜样品的背面X射线衍射分析数据，获取其XRD特征； S62、计算漆膜XRD特征中的HgS、SiO2的出峰位置； S62、存储标准X射线衍射标准卡片PDF的对应元素的出峰位置； S63、将该样品的出峰位置与PDF元素的出峰位置计算匹配，获取该样品中的XRD元素成分。 9.如权利要求2所述的基于古漆器漆膜大数据复合特征的判别方法，其特征在于，步骤S7包括： S71、根据漆膜样品的激光共焦拉曼光谱仪数据，获得样品的RS特征； S72、分别参照HgS、C的激光拉曼特征峰参数，与该样品的RS特征峰匹配，推断其中是否含有该元素；步骤S8包括： S81、根据漆膜样品的傅里叶变换红外光谱仪数据，获取其FTIR特征； S82、针对羟基、醚键、漆酚的红外吸收峰与该FTIR特征进行对比，判别其中是否含有该成分。 10.如权利要求1所述的基于古漆器漆膜大数据复合特征的判别方法，其特征在于，建立样本库时，具体为：将提取的数据特征存储为特征空间数据库，并在数据标签中添加该漆膜样本的类别、漆器工艺、年代、地域、编号参数，作为该类特征数据的标准模板库；对标准模板库进行网络分布式存储，并在对应的路径中存储该样品的显微正面、截面、背面图像，及EDS、XRD、RS、FTIR特征曲线图像；通过网络服务器，提供检测输入接口；将待检测和鉴定的未知漆器漆膜的数据特征，并与样本库中的参数进行比对时具体包括以下步骤：通过网络接口输入待检测和鉴定的未知漆器漆膜的显微图像、EDS、XRD、RS、FTIR检测数据；计算该显微图像共生矩阵，与模板库中的各已知样品的参数进行匹配，获取匹配结果相似度σi；将未知漆器漆膜的EDS、XRD、RS、FTIR检测数据与标准模板库中的对应样品的特征参数进行匹配，获得匹配相似度κi、λi、μi、νi；对相似度σi和匹配相似度κi、λi、μi、νi进行加权，排序；输出匹配结果，并设定阈值，作为该漆器漆膜待测样品的类别、工艺及年代预测结果；超过阈值设定则分类器提示异常信息，完成漆器漆膜的鉴定。
所属类别：	发明专利