CN108960344A - 文物图像的差异检测方法、装置及终端设备 - Google Patents
文物图像的差异检测方法、装置及终端设备 Download PDFInfo
- Publication number
- CN108960344A CN108960344A CN201810882006.4A CN201810882006A CN108960344A CN 108960344 A CN108960344 A CN 108960344A CN 201810882006 A CN201810882006 A CN 201810882006A CN 108960344 A CN108960344 A CN 108960344A
- Authority
- CN
- China
- Prior art keywords
- cultural relic
- object region
- image
- target area
- relic images
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012937 correction Methods 0.000 claims abstract description 54
- 238000012360 testing method Methods 0.000 claims abstract description 34
- 238000005286 illumination Methods 0.000 claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 29
- 201000010099 disease Diseases 0.000 claims description 19
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000003062 neural network model Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 abstract description 19
- 230000008569 process Effects 0.000 description 18
- 238000002310 reflectometry Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000010422 painting Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 229920000995 Spectralon Polymers 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 210000000554 iris Anatomy 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- BBEAQIROQSPTKN-UHFFFAOYSA-N pyrene Chemical compound C1=CC=C2C=CC3=CC=CC4=CC=C1C2=C43 BBEAQIROQSPTKN-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 208000002352 blister Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002845 discoloration Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- GVEPBJHOBDJJJI-UHFFFAOYSA-N fluoranthrene Natural products C1=CC(C2=CC=CC=C22)=C3C2=CC=CC3=C1 GVEPBJHOBDJJJI-UHFFFAOYSA-N 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种文物图像的差异检测方法、装置及终端设备，涉及文物图像监测技术领域，该方法由终端设备执行，该方法包括：获取第一文物图像和第二文物图像；确定第一文物图像的第一目标区域，并基于第一目标区域确定第二文物图像的第二目标区域；对第一目标区域和第二目标区域进行一致性校正处理；其中，一致性校正处理包括光照一致性校正和/或位置一致性校正；对经一致性校正处理后的第一目标区域和第二目标区域进行差异检测。本发明能够较好地提升文物图像的差异性检测结果的准确性以及检测效率。
Description
技术领域
本发明涉及文物图像监测技术领域，尤其是涉及一种文物图像的差异检测方法、装置及终端设备。
背景技术
随着预防性保护理念的提出，文化遗产监测已成为文物预防性保护的一项关键措施，通过文化遗产监测，有助于实时了解文物现存状态和变化趋势，同时也有助于控制文化遗产的日常维护或修缮等全过程。其中，文物外观监测主要是通过摄影影像的方法进行定点定时的长期拍摄，将不同时期在同一位置采集的文物图像进行差异比对，了解文物现状稳定性以及判断文物是否发生变化，是否存在病害发展等。以古代壁画为例，对莫高窟壁画进行病害定点摄影监测时，主要是采用摄影图像方式记录所选代表性洞窟及监测区域的历年状态，并通过周期性对比同一监测位置的逐年变化情况而对壁画及彩塑等文物在不同时期的现存状态进行预警监测，从中发现并分析壁画病害发生、发展规律，并时提出预防性保护措施。
在现有技术中，为了保障图像比对结果的准确性，相关工作人员在不同时期采集同一文物的图像时，尽可能保证拍摄位置、拍摄距离等拍摄条件前后一致，后期再人工对比先后采集的文物图像，通过人眼识别出图像之间的差别。但是随着照相器材的不断升级、以及拍摄环境的限制，每次拍摄的图像精度很难做到完全一致，而且每次拍摄位置、拍摄光线、拍摄距离、拍摄角度等都存在或多或少的偏差，一定会存在拍摄条件的差异性。拍摄条件的差异性会给后期图像的比对带来干扰，致使文物图像的比对结果不准确，此外，人工检测图像差异的方式效率低下，面对相似的图像难以做到快速的对比分析并找出其中的差别。
综上所述，因为拍摄条件不一致导致现有的文物图像的差异性检测结果不准确，而且人工检测效率低下。针对以上问题，目前尚未提出有效的解决方案。
发明内容
有鉴于此，本发明的目的在于提供一种文物图像的差异检测方法、装置及终端设备，能够较好地提升文物图像的差异性检测结果的准确性以及检测效率。
为了实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提供了一种文物图像的差异检测方法，包括：获取第一文物图像和第二文物图像；确定所述第一文物图像的第一目标区域，并基于所述第一目标区域确定所述第二文物图像的第二目标区域；对所述第一目标区域和所述第二目标区域进行一致性校正处理；其中，所述一致性校正处理包括光照一致性校正和/或位置一致性校正；对经一致性校正处理后的所述第一目标区域和所述第二目标区域进行差异检测。
进一步，所述确定所述第一文物图像的第一目标区域的步骤，包括：基于用户的标注指令确定所述第一文物图像的第一目标区域。
进一步，所述基于所述第一目标区域确定所述第二文物图像的第二目标区域的步骤，包括：获取所述第一目标区域的第一图像特征；所述第一图像特征包括病害特征、内容特征和颜色特征中的一种或多种；基于所述第一目标区域的第一图像特征确定所述第二文物图像中与所述第一图像特征匹配的第二图像特征；根据所述第二图像特征确定所述第二文物图像的第二目标区域。
进一步，所述获取所述第一目标区域的第一图像特征的步骤，包括：检测并提取所述第一目标区域的多个第一特征点；其中，多个所述第一特征点共同表征所述第一目标区域的第一图像特征；所述基于所述第一目标区域的第一图像特征确定所述第二文物图像中与所述第一图像特征匹配的第二图像特征的步骤，包括：通过SIFT算法确定所述第二文物图像中与所述第一特征点相匹配的第二特征点；其中，多个所述第二特征点共同表征所述第二文物图像的第二图像特征。
进一步，所述对所述第一目标区域和所述第二目标区域进行一致性校正处理的步骤，包括：获取所述第一目标区域和所述第二目标区域之间的光照差异，基于所述光照差异对所述第一目标区域和所述第二目标区域进行光照一致性校正；获取所述第一目标区域和所述第二目标区域之间的位置差异，基于所述位置差异对所述第一目标区域和所述第二目标区域进行位置一致性校正。
进一步，所述对经一致性校正处理后的所述第一目标区域和所述第二目标区域进行差异检测的步骤，包括：通过预先训练得到的神经网络模型对经一致性校正处理后的所述第一目标区域和所述第二目标区域进行差异检测，确定所述第一目标区域与所述第二目标区域的差异性特征。
进一步，所述第二目标区域的区域范围大于所述第一目标区域的区域范围。
第二方面，本发明实施例还提供一种文物图像的差异检测装置，包括：图像获取模块，用于获取第一文物图像和第二文物图像；区域确定模块，用于确定所述第一文物图像的第一目标区域，并基于所述第一目标区域确定所述第二文物图像的第二目标区域；校正模块，用于对所述第一目标区域和所述第二目标区域进行一致性校正处理；其中，所述一致性校正处理包括光照一致性校正和/或位置一致性校正；差异检测模块，用于对经一致性校正处理后的所述第一目标区域和所述第二目标区域进行差异检测。
第三方面，本发明实施例提供了一种终端设备，包括处理器和存储器；所述存储器上存储有计算机程序，所述计算机程序在被所述处理器运行时执行如第一方面任一项所述的方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述第一方面任一项所述的方法的步骤。
本发明实施例提供了一种文物图像的差异检测方法、装置及终端设备，在获取到第一文物图像和第二文物图像时，能够确定第一文物图像的第一目标区域，并基于第一目标区域确定第二文物图像的第二目标区域；进而对第一目标区域和第二目标区域进行一致性校正处理(光照一致性校正和/或位置一致性校正)；从而对经一致性校正处理后的第一目标区域和第二目标区域进行差异检测。这种方式在一方面通过对两幅图像中的目标区域进行一致性校正处理能够改善因拍摄条件不一致而导致的图像差异，有效提升检测结果的准确性；在另一方面通过终端设备对图像进行差异检测的方式相比于人工检测也能够有效提升检测效率。
本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本发明实施例所提供的一种文物图像的差异检测方法流程图；
图2示出了本发明实施例所提供的另一种文物图像的差异检测方法流程图；
图3示出了本发明实施例所提供的一种文物图像的差异检测装置的结构框图；
图4示出了本发明实施例所提供的一种终端设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
考虑到现有技术中在对文物图像进行差异性检测时，因前后不同时期的拍摄条件不同而对检测结果有所影响，且人工检测的方式效率低下，为改善此问题，本发明实施例提供的一种文物图像的差异检测方法、装置及终端设备，该技术可应用于任何需要对文物进行差异性检测的场景，以下对本发明实施例进行详细介绍。
参见图1所示的一种文物图像的差异检测方法流程图，该方法可由诸如计算机、服务器等终端设备执行，该方法包括：
步骤S102，获取第一文物图像和第二文物图像。其中，第一文物图像和第二文物图像又可称为第一现状图像和第二现状图像，用于表征拍摄文物时的文物现状；第一文物图像和第二文物图像均由人工采集并录入至终端设备中。第一文物图像和第二文物图像为不同时期针对同一文物拍摄的图像，诸如拍摄位置、拍摄角度等拍摄环境大致相同。诸如，第一文物图像可以为过去拍摄的A文物图像，并作为参照图像；第二文物图像可以为当前拍摄的A文物图像。第一文物图像可以作为第二文物图像的参照图像，通过比对确定A文物现在相比于过去的变化情况。在具体实施时，参照图像可以为第一次拍摄的图像，也可以为当前拍摄时的前一次拍摄的图像。诸如2007年对某处壁画进行了第一次拍摄，那这次拍摄的图像将是后续拍摄的图像的特征参照，后续拍摄的图像均以2007年第一次拍摄的图像作为标准查找变化。与此同时，还可以采用当前拍摄的图像与之前在不同时期拍摄的所有图像分别进行比对分析，从而可得出壁画病害发生的年份。
在具体实施时，考虑到文物病害区域通常随着时间发展而呈扩大化趋势，第二文物图像的拍摄范围可以大于第一文物图像的拍摄范围。也即第二文物图像在第一文物图像的基础上还考虑了缓冲区域。这种方式也无需每次拍摄文物时都必须定位相同的面积范围，而是在前一次拍摄范围的基础上适当加大拍摄范围，范围扩大比率可按照监测区域病害发展情况而定。扩大拍摄区域能够产生原有病害区域周边的缓冲区，有助于进一步了解病害发展趋势。
步骤S104，确定第一文物图像的第一目标区域，并基于第一目标区域确定第二文物图像的第二目标区域。
第一文物图像录入至终端设备后，用户可以根据实际需求在第一文物图像中圈出第一目标区域，第一目标区域也即文物变化监测区域。具体的，用户给终端设备通过鼠标绘制区域边界线等方式发起标注指令，终端设备基于用户的标注指令确定第一文物图像的第一目标区域。
在基于第一目标区域确定第二文物图像的第二目标区域时，可以参照如下步骤实现：
(1)获取第一目标区域的第一图像特征；第一图像特征包括病害特征、内容特征和颜色特征中的一种或多种。病害特征用于表征诸如起甲脱落、裂缝扩大、颜料层脱落、疱疹变化等文物可能出现的病害现象，内容特征用于表征文物的具体内容，诸如飞天、佛像等，颜色特征用于表征文物颜色。
具体实施时，可以检测并提取第一目标区域的多个第一特征点；其中，多个第一特征点共同表征第一目标区域的第一图像特征。
(2)基于第一目标区域的第一图像特征确定第二文物图像中与第一图像特征匹配的第二图像特征。具体实施时，可以通过SIFT(Scale-invariant feature transform，尺度不变特征变换)算法确定第二文物图像中与第一特征点相匹配的第二特征点；其中，多个第二特征点共同表征第二文物图像的第二图像特征。也即，通过SIFT算法实现第一特征点与第二特征点的匹配。
(3)根据第二图像特征确定第二文物图像的第二目标区域。具体的，可以根据第一目标区域，以及经SIFT算法进行特征点匹配后得到的多个第二特征点所在位置确定第二目标区域，第二目标区域涵盖有多个第二特征点。
考虑到文物病害区域通常随着时间发展而呈扩大化趋势，也即，文物病害的发展趋势是扩散型状态，因此本实施例中的第二目标区域的区域范围也可以大于第一目标区域的区域范围，以便了解病害发展和扩散情况。
步骤S106，对第一目标区域和第二目标区域进行一致性校正处理；其中，一致性校正处理包括光照一致性校正和/或位置一致性校正。
光照一致性校正处理可以为：获取第一目标区域和第二目标区域之间的光照差异，然后基于光照差异对第一目标区域和第二目标区域进行光照一致性校正。在具体实施时，可以以第一目标区域的光照为基准，根据光照差异调整第二目标区域的光照，直至第二目标区域与第一目标区域的光照一致。光照一致性校正可以包括光照角度校正、曝光均匀度校正等任何与光照因素相关的校正。
位置一致性校正处理可以为：获取第一目标区域和第二目标区域之间的位置差异，基于位置差异对第一目标区域和第二目标区域进行位置一致性校正。其中，位置差异包括角度差异和方位差异等。在具体实施时，可以以第一目标区域的位置为基准，根据位置差异调整第二目标区域的位置，直至第二目标区域与第一目标区域的位置一致。
通过本实施例在进行图像差异性检测时的一致性校正处理环节，可以弱化了现有技术中拍摄条件的束缚，无需现有技术中为了拍摄精度、拍摄角度、拍摄位置、拍摄距离、拍摄光线等拍摄条件都争取一致而反复调试的繁琐，极大地简便了拍摄过程，提高了拍摄的机动性。
步骤S108，对经一致性校正处理后的第一目标区域和第二目标区域进行差异检测。具体的，可以比对经一致性校正处理后的第一目标区域和第二目标区域之间的差异，实现病害区域检测。
在一种实施方式，可以基于深度学习的方式实现差异检测。具体实施时，可以通过预先训练得到的神经网络模型对经一致性校正处理后的第一目标区域和第二目标区域进行差异检测，确定第一目标区域与第二目标区域的差异性特征。其中，神经网络模型即为通过深度学习的方式训练得到。
本实施例给出一种神经网络模型的训练步骤，可以首先获取训练图像集；其中，训练图像集包含有多对文物图像样本；每对文物图像样本均携带有特征点标签和差异标签；将训练图像集输入至待训练的神经网络模型中，对神经网络模型的参数进行训练，直至神经网络模型的损失函数收敛至预设值时停止训练。停止训练后的神经网络模型能够对不同图像进行差异性检测。
神经网络模型的训练过程也即深度学习过程，基于采集的历史图像样本的特征点进行学习，能够学习到图像各种形式的特征点，并基于特征点检测图像之间的差异。在实际应用中，在识别某张文物图像的特征点时，可以与该文物图像对应的上一时期拍摄的图像作为参考，进行两张图像之间的特征点匹配，基于特征点差异进行图像的差异性检测。
需要说明的是，术语“第一”和“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明实施例提供的上述文物图像的差异检测方法，在获取到第一文物图像和第二文物图像时，能够确定第一文物图像的第一目标区域，并基于第一目标区域确定第二文物图像的第二目标区域；进而对第一目标区域和第二目标区域进行一致性校正处理(光照一致性校正和/或位置一致性校正)；从而对经一致性校正处理后的第一目标区域和第二目标区域进行差异检测。这种方式在一方面通过对两幅图像中的目标区域进行一致性校正处理能够改善因拍摄条件不一致而导致的图像差异，有效提升检测结果的准确性；在另一方面通过终端设备对图像进行差异检测的方式相比于人工检测也能够有效提升检测效率。
为了更好地对同一文物在不同时期下发生的差异进行比对，在一种实施方式中，第一文物图像和第二文物图像可以构成两组比对图像，一组为均为正光拍摄的第一文物图像和第二文物图像，另一组为均为侧光拍摄(拍摄角度大致相同)的第一文物图像和第二文物图像。以正光拍摄组为主要研究对象，得到主要的比对结果。以侧光拍摄组作为正光拍摄组的比对结果的辅助参考，并对正光拍摄组的比对结果给予一定的校正。
在对正光拍摄组进行光照校正时，可以主要基于曝光差异对图像进行曝光度校正。具体的，只需在相同位置拍摄时再多拍一张带来自Labsphere公司的Spectralon反射率标的图像即可。可以理解为，在拍摄文物时，同一位置可以拍摄三张图像，分别为(1)正光图像(2)侧光图像(3)带反射率标准的图像。带反射率标准的图像主要用于测定光照密度。除反射率标准外，标准色卡的组合对拍摄组进行光照和色彩校正时，可以主要基于拍摄光线差异而进行光线及色彩校正，光线及色彩校正方式可采用相关算法实现。可以理解的是，每组比对图像都分别执行本实施例提供的差异检测方法，分别得到检测结果(也即，比对结果)，然后综合分析得到最终检测结果。
采用本实施例提供的上述方法，采集第一文物图像和第二文物图像时，无需再像现有技术那样需要拍摄位置、拍摄角度、拍摄光线都争取保持一致(事实上现有技术也难以做到完全一致，仍旧存在不同程度的拍摄条件差异性)，不仅简化了拍摄步骤，而且也降低了对拍摄环境的束缚以及拍摄人员的技术要求，使文物图像的检测更加简便。
除此之外，还可以先对获取的第一文物图像和第二文物图像进行一致性校正处理；其中，一致性校正处理包括光照一致性校正和/或位置一致性校正，然后再确定经一致性校正处理后的第一文物图像的第一目标区域和经一致性校正处理后的第二文物图像的第二目标区域，之后基于第一目标区域和第二目标区域进行差异检测。这种方式也在本发明实施例的保护范围之内。
参见图2所示的另一种文物图像的差异检测方法流程图，包括如下步骤：
步骤S202，录入参照图像与当前拍摄的图像。其中，参照图像可以理解为前述第一文物图像，当前拍摄的图像可以理解为前述第二文物图像。
步骤S204，在参照图像中圈出文物变化监测区域。其中，文物变化监测区域即为前述第一目标区域。
步骤S206，对圈出的文物变化监测区域进行特征点的检测与提取。
步骤S208，采用SIFT算法进行参照图像与当前拍摄的图像之间的特征点匹配。
SIFT算法在具体实现时，可以参照如下步骤执行：
(1)通过变化尺度的高斯函数和原图像的卷积描述出图像的尺度空间；(2)利用不同尺度的高斯差分核与图像卷积生成高斯差分尺度空间；(3)构建高斯金字塔和DOG金字塔；(4)检测DOG尺度空间极值点；(5)精确提取和定位关键点；(6)分配特征点的方向；(7)生成描述符；(8)采用关键点描述子的欧式距离来作为两幅图像的关键点的相似性度。计算特征点对的相似度从而进行特征点的匹配。
步骤S210，根据参照图像中圈出的文物变化监测区域，以及SIFT算法匹配得到的特征点对，在当前拍摄的图像中找到匹配区域。其中，匹配区域也即前述第二目标区域。
步骤S212，针对参照图像与当前拍摄的图像之间的光照差异，进行图像光照补偿，以使参照图像与当前拍摄的图像的光照相同。该步骤的具体实施方式适用于前述光照一致性校正处理。
光照补偿处理在具体实现时，可以参照如下步骤执行：
(1)使用输入图像，生成校准的可见光反射图像(Spectralon反射率标和标准色卡)和孪生的可见光反射平面图像；(2)将输入图像转化为ICC文件，为光照补偿和校准做准备；(3)利用ICC文件将图像转换为线性光模式下的图像；(4)从用于生成校准的线性化的平面校正后的可见光反射图像中更正提取Spectralon反射率标；(5)生成色彩校准函数；(6)根据Spectralon反射率标中生成的校准函数，对要校准的可见光反射图像应用色彩校准；(7)将平面的色彩校准后的可见光反射图像为sRGB(或者RGB16)色域；(8)将校准后的图像保存为RGB图像，得到补偿后的图像。
在实际应用中，上述输入图像可以为当前拍摄的图像。以参照图像的光照情况为基准，对输入图像进行光照补偿。当然，也可以设定统一的基准光照，然后分别采用上述步骤对参照图像与当前拍摄的图像进行光照补偿处理，最终使参照图像与当前拍摄的图像的光照一致即可。
步骤S214，针对参照图像与当前拍摄的图像之间的位置差异，进行图像位置校正，以使参照图像与当前拍摄的图像所呈现的拍摄位置相同。其中，位置差异包括角度、方位等。该步骤的具体实施方式适用于前述位置一致性校正处理。
图像位置校正在具体实现时，可以按照如下步骤执行：
(1)对待校正图像进行灰度化处理；(2)对待校正图像进行阈值二值化处理；(3)根据SIFT算法，找到参考图像的文物变化监测区域的四个顶点以及在当前拍摄的图像中与之所匹配的特征点(即：得到四个匹配点对)；(4)计算出透视变换的变换矩阵，该变换矩阵也即包含有位置变化信息的位置变换矩阵。(5)根据变换矩阵，对待校正的图像执行变换矩阵的变换操作，即可实现图像位置校正。其中，位置校正包括角度校正、方位校正等。
在实际应用中，上述待校正的图像可以为当前拍摄的图像。以参照图像的位置为基准，对当前拍摄的图像进行位置校正。当然，也可以设定统一的位置基准，然后分别采用上述步骤对参照图像与当前拍摄的图像进行位置校正，最终使参照图像与当前拍摄的图像的位置一致即可。
步骤S216，对文物变化监测区域与匹配区域进行差异性检测。
以上仅为一种具体的实施方式，不应当被视为限制。实际应用中，上述步骤S212和步骤S214还可以在步骤S202之后即可执行，在对图像经常处理后再圈出文物变化监测区域并找到与之对应的匹配区域。此外，上述步骤S212和步骤S214可以对参照图像和当前拍摄的图像这两整幅图像进行矫正处理，也可以仅针对文物变化监测区域和与之对应的匹配区域进行矫正处理，上述方式均在本发明实施例的保护范围之内。
综上所述，本发明实施例完全采用软件技术实现了文物病害的监测，且简化了拍摄步骤，而且也降低了对拍摄环境的束缚以及拍摄人员的技术要求，使文物图像的检测更加简便，而且由于预先对待比对的两幅图像进行光照/位置校正，能够有效的改善因拍摄条件差异而导致的检测结果不准确的问题。此外，本发明实施例无需人工比对寻找病害变化，较好地缓解了人工比对中容易出现的区别特征遗漏、对细微差别识别困难以及人工检测效率低下等问题，本实施例提供的这种方式能为可靠智能。
本发明实施例因对图像进行一致性校正处理，能够改善以下问题：(1)由于不同类别相机输出的图像精度不同而导致两次图像无法完全重合，以及导致图像畸变。(2)每次拍摄光线位置不一致所引起的图像阴影位置差异而对比对结果造成干扰。(3)拍摄过程中因拍摄硬件条件束缚及拍摄环境限制而导致的同一区域不同时期拍摄图像的位置、光照不同所造成的后期图像分析误差。此外，本实施例还可以通过对文物在不同时期下的变化特征的学习，可以识别诸如病害变化差异识别、内容变化差异特征和颜色变色识别等，能够较好地对不同时期图像的变化差异进行自动识别，提升了差异检测效率。而且这种自动识别方式相较于人眼识别，也能够改善因人眼漏识别导致的检测结果不准确的问题。
综上所述，本实施例能够较好提升文物图像的差异检测结果的准确性，并且提升文物图像的差异检测效率。
对应于前述文物图像的差异检测方法，本实施例进一步提出了一种文物图像的差异检测装置，参见图3所示的一种文物图像的差异检测装置的结构框图，包括：
图像获取模块302，用于获取第一文物图像和第二文物图像；
区域确定模块304，用于确定第一文物图像的第一目标区域，并基于第一目标区域确定第二文物图像的第二目标区域；
校正模块306，用于对第一目标区域和第二目标区域进行一致性校正处理；其中，一致性校正处理包括光照一致性校正和/或位置一致性校正；
差异检测模块308，用于对经一致性校正处理后的第一目标区域和第二目标区域进行差异检测。
本发明实施例提供的上述文物图像的差异检测装置，在一方面通过对两幅图像中的目标区域进行一致性校正处理能够改善因拍摄条件不一致而导致的图像差异，有效提升检测结果的准确性；在另一方面通过终端设备对图像进行差异检测的方式相比于人工检测也能够有效提升检测效率。
本实施例所提供的装置，其实现原理及产生的技术效果和前述实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
对应于前述实施例所提供的方法和装置，本实施例提供了一种终端设备，包括处理器和存储器；存储器上存储有计算机程序，计算机程序在被处理器运行时执行如上述文物图像的差异检测方法。
参见图4所示的一种终端设备的结构示意图，具体包括处理器40，存储器41，总线42和通信接口43，处理器40、通信接口43和存储器41通过总线42连接；处理器40用于执行存储器41中存储的可执行模块，例如计算机程序。
其中，存储器41可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线42可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器41用于存储程序，处理器40在接收到执行指令后，执行程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器40中，或者由处理器40实现。
处理器40可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器40中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器40可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41，处理器40读取存储器41中的信息，结合其硬件完成上述方法的步骤。
本实施例提供的文物图像的差异检测方法可以由上述终端执行，亦或，本实施例提供的文物图像的差异检测装置可以设置于上述终端设备侧，在实际应用中，上述终端设备可以为计算机等智能终端。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的终端设备的具体工作过程，可以参考前述实施例中的对应过程，在此不再赘述。
进一步，本实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述文物图像的差异检测方法。
本发明实施例所提供的文物图像的差异检测方法、装置及终端设备的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种文物图像的差异检测方法，其特征在于，所述方法由终端设备执行，所述方法包括：
获取第一文物图像和第二文物图像；
确定所述第一文物图像的第一目标区域，并基于所述第一目标区域确定所述第二文物图像的第二目标区域；
对所述第一目标区域和所述第二目标区域进行一致性校正处理；其中，所述一致性校正处理包括光照一致性校正和/或位置一致性校正；
对经一致性校正处理后的所述第一目标区域和所述第二目标区域进行差异检测。
2.根据权利要求1所述的方法，其特征在于，所述确定所述第一文物图像的第一目标区域的步骤，包括：
基于用户的标注指令确定所述第一文物图像的第一目标区域。
3.根据权利要求1所述的方法，其特征在于，所述基于所述第一目标区域确定所述第二文物图像的第二目标区域的步骤，包括：
获取所述第一目标区域的第一图像特征；所述第一图像特征包括病害特征、内容特征和颜色特征中的一种或多种；
基于所述第一目标区域的第一图像特征确定所述第二文物图像中与所述第一图像特征匹配的第二图像特征；
根据所述第二图像特征确定所述第二文物图像的第二目标区域。
4.根据权利要求3所述的方法，其特征在于，所述获取所述第一目标区域的第一图像特征的步骤，包括：
检测并提取所述第一目标区域的多个第一特征点；其中，多个所述第一特征点共同表征所述第一目标区域的第一图像特征；
所述基于所述第一目标区域的第一图像特征确定所述第二文物图像中与所述第一图像特征匹配的第二图像特征的步骤，包括：
通过SIFT算法确定所述第二文物图像中与所述第一特征点相匹配的第二特征点；其中，多个所述第二特征点共同表征所述第二文物图像的第二图像特征。
5.根据权利要求1所述的方法，其特征在于，所述对所述第一目标区域和所述第二目标区域进行一致性校正处理的步骤，包括：
获取所述第一目标区域和所述第二目标区域之间的光照差异，基于所述光照差异对所述第一目标区域和所述第二目标区域进行光照一致性校正；
获取所述第一目标区域和所述第二目标区域之间的位置差异，基于所述位置差异对所述第一目标区域和所述第二目标区域进行位置一致性校正。
6.根据权利要求1所述的方法，其特征在于，所述对经一致性校正处理后的所述第一目标区域和所述第二目标区域进行差异检测的步骤，包括：
通过预先训练得到的神经网络模型对经一致性校正处理后的所述第一目标区域和所述第二目标区域进行差异检测，确定所述第一目标区域与所述第二目标区域的差异性特征。
7.根据权利要求1至6任一项所述的方法，其特征在于，所述第二目标区域的区域范围大于所述第一目标区域的区域范围。
8.一种文物图像的差异检测装置，其特征在于，包括：
图像获取模块，用于获取第一文物图像和第二文物图像；
区域确定模块，用于确定所述第一文物图像的第一目标区域，并基于所述第一目标区域确定所述第二文物图像的第二目标区域；
校正模块，用于对所述第一目标区域和所述第二目标区域进行一致性校正处理；其中，所述一致性校正处理包括光照一致性校正和/或位置一致性校正；
差异检测模块，用于对经一致性校正处理后的所述第一目标区域和所述第二目标区域进行差异检测。
9.一种终端设备，其特征在于，包括处理器和存储器；
所述存储器上存储有计算机程序，所述计算机程序在被所述处理器运行时执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1至7任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810882006.4A CN108960344A (zh) | 2018-08-03 | 2018-08-03 | 文物图像的差异检测方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810882006.4A CN108960344A (zh) | 2018-08-03 | 2018-08-03 | 文物图像的差异检测方法、装置及终端设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108960344A true CN108960344A (zh) | 2018-12-07 |
Family
ID=64467696
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810882006.4A Pending CN108960344A (zh) | 2018-08-03 | 2018-08-03 | 文物图像的差异检测方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108960344A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109754003A (zh) * | 2018-12-20 | 2019-05-14 | 上海裕芯电子科技有限公司 | 基于深度学习的智能机器人视觉技术应用检测系统和方法 |
| CN109977826A (zh) * | 2019-03-15 | 2019-07-05 | 百度在线网络技术（北京）有限公司 | 物体的类别识别方法和装置 |
| CN111738247A (zh) * | 2020-05-15 | 2020-10-02 | 上海望友信息科技有限公司 | 极性标识的识别方法、识别装置、电子设备及存储介质 |
| CN112396117A (zh) * | 2020-11-24 | 2021-02-23 | 维沃移动通信有限公司 | 图像的检测方法、装置及电子设备 |
| CN112967467A (zh) * | 2021-02-24 | 2021-06-15 | 九江学院 | 文物防盗方法、系统、移动终端及存储介质 |
| CN113311524A (zh) * | 2021-07-05 | 2021-08-27 | 合肥联宝信息技术有限公司 | 一种均光度校正方法及设备 |
| CN113624692A (zh) * | 2020-05-08 | 2021-11-09 | 广西巨玖龙脉科技有限公司 | 一种文物色变监测建模方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102323070A (zh) * | 2011-06-10 | 2012-01-18 | 北京华兴致远科技发展有限公司 | 列车异常检测方法和系统 |
-
2018
- 2018-08-03 CN CN201810882006.4A patent/CN108960344A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102323070A (zh) * | 2011-06-10 | 2012-01-18 | 北京华兴致远科技发展有限公司 | 列车异常检测方法和系统 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109754003A (zh) * | 2018-12-20 | 2019-05-14 | 上海裕芯电子科技有限公司 | 基于深度学习的智能机器人视觉技术应用检测系统和方法 |
| CN109754003B (zh) * | 2018-12-20 | 2023-05-19 | 上海裕芯电子科技有限公司 | 基于深度学习的智能机器人视觉技术应用检测系统和方法 |
| CN109977826A (zh) * | 2019-03-15 | 2019-07-05 | 百度在线网络技术（北京）有限公司 | 物体的类别识别方法和装置 |
| CN113624692A (zh) * | 2020-05-08 | 2021-11-09 | 广西巨玖龙脉科技有限公司 | 一种文物色变监测建模方法 |
| CN113624692B (zh) * | 2020-05-08 | 2024-05-28 | 广西巨玖龙脉科技有限公司 | 一种文物色变监测建模方法 |
| CN111738247A (zh) * | 2020-05-15 | 2020-10-02 | 上海望友信息科技有限公司 | 极性标识的识别方法、识别装置、电子设备及存储介质 |
| CN112396117A (zh) * | 2020-11-24 | 2021-02-23 | 维沃移动通信有限公司 | 图像的检测方法、装置及电子设备 |
| CN112967467A (zh) * | 2021-02-24 | 2021-06-15 | 九江学院 | 文物防盗方法、系统、移动终端及存储介质 |
| CN113311524A (zh) * | 2021-07-05 | 2021-08-27 | 合肥联宝信息技术有限公司 | 一种均光度校正方法及设备 |
| CN113311524B (zh) * | 2021-07-05 | 2022-04-01 | 合肥联宝信息技术有限公司 | 一种均光度校正方法及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108960344A (zh) | 文物图像的差异检测方法、装置及终端设备 | |
| Aquino et al. | vitisBerry: An Android-smartphone application to early evaluate the number of grapevine berries by means of image analysis | |
| CN108229509B (zh) | 用于识别物体类别的方法及装置、电子设备 | |
| CN108960232A (zh) | 模型训练方法、装置、电子设备和计算机可读存储介质 | |
| CN108921057B (zh) | 基于卷积神经网络的对虾形态测量方法、介质、终端设备及装置 | |
| US8548257B2 (en) | Distinguishing between faces and non-faces | |
| CN109389135B (zh) | 一种图像筛选方法及装置 | |
| CN108364280A (zh) | 结构裂缝自动化描绘及宽度精准测量方法与设备 | |
| CN109635875A (zh) | 一种基于深度学习的端到端网口检测方法 | |
| CN108961330B (zh) | 基于图像的猪体长测算方法及系统 | |
| US10796141B1 (en) | Systems and methods for capturing and processing images of animals for species identification | |
| CN112669323B (zh) | 图像处理方法及相关设备 | |
| CN110909640A (zh) | 水位线的确定方法及装置、存储介质、电子装置 | |
| CN111445459A (zh) | 一种基于深度孪生网络的图像缺陷检测方法及系统 | |
| CN108764159A (zh) | 小样本条件下的动物面部识别方法和系统 | |
| CN105139007B (zh) | 人脸特征点定位方法和装置 | |
| CN110991220B (zh) | 禽蛋检测、图像处理方法，装置、电子设备及存储介质 | |
| CN111325164B (zh) | 指针表示数识别方法、装置和电子设备 | |
| CN110147787A (zh) | 基于深度学习的银行卡号自动识别方法及系统 | |
| CN111339902A (zh) | 一种数显仪表的液晶屏示数识别方法及装置 | |
| CN110659637A (zh) | 一种结合深度神经网络和sift特征的电能表示数与标签自动识别方法 | |
| CN108629762A (zh) | 一种骨龄评测模型减少干扰特征的图像预处理方法及系统 | |
| CN109191461A (zh) | 一种基于机器视觉技术的土鸡蛋识别方法及识别装置 | |
| CN113008380A (zh) | 一种智慧ai体温预警方法、系统及存储介质 | |
| CN110135268A (zh) | 人脸比对方法、装置、计算机设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181207 |