發(fā)布時間：2020-03-23 12:11

【摘要】：在可視化技術和計算機數字化的飛速發(fā)展背景下,文化遺產的保護工作與傳承工作也逐漸進入信息化時代。秦始皇陵墓葬坑出土的兵馬俑和兵馬俑文物碎片數量多、幾何形狀復雜、結構復雜、表面特征模糊,從而導致復原效率低下。通過對兵馬俑碎片進行分類,確定碎片之間的隸屬關系,可以有效地解決虛擬拼接算法復雜度高、結果不準確的問題,并有效避免人工識別對碎片造成的二次損壞。針對上述問題,本文在“面向破損兵馬俑虛擬拼接的直覺模糊群體智能的自適應學習模型研究”陜西省自然科學基金項目支持下,將直覺模糊集C均值與卷積神經網絡優(yōu)化模型相結合,實現對兵馬俑碎片的分類。具體研究內容如下:1.構造兵馬俑碎片二維圖像數據集。采用掃描設備獲取三維數據集,在特征標注的基礎上使用Geomagic系統獲取碎片全局多視圖二維圖像數據集;采用高斯混合模型條件生成式對抗網絡數據增強算法對二維圖像數據集進行擴充;擴展后的數據集可以極大的改善現有碎片數據量有限導致的后續(xù)實驗結果不準確、過擬合的難題,為本文后續(xù)的工作提供強有力的數據支持。2.首次在卷積神經網絡模型中引入兵馬俑碎片數據集,提出一種基于卷積神經網絡的兵馬俑碎片分類方法。將經過預處理的碎片數據集輸入到卷積神經網絡中,進行數據訓練,避免了人工特征抽取的時間消耗,大大提高了在線計算效率,實驗表明本文采用的方法相比傳統方法,分類性能更好,分類效率更高。3.提出一種基于淺層卷積神經網絡的兵馬俑碎片分類方法。該方法考慮到卷積神經網絡在碎片特征提取時由于卷積層過多、提取特征過度細膩造成的過擬合問題,對傳統卷積神經網絡進行一定程度的優(yōu)化處理,提高了兵馬俑碎片特征識別率,降低了算法時間復雜度,提高了碎片分類準確性。4.提出一種基于直覺模糊C均值卷積神經網絡兵馬俑碎片分類方法。該方法在淺層卷積神經網絡提取碎片特征基礎上引入直覺模糊集,更好地實現兵馬俑碎片的特征分離,使特征更加明晰,完成碎片聚類,最后利用先驗知識判定聚類碎片部位歸屬。該方法減少了工作成本,降低了碎片分類工作復雜度,同時也提高了分類精度。
【圖文】：

最終結合先驗知識給出分類結果。圖 1 本文主要研究內容概況圖1.4 本文章節(jié)安排第一章：緒論。詳細地介紹了秦始皇陵兵馬俑碎片分類的研究背景以及研究意義，根據文章用到的相關技術，介紹了國內外研究現狀；在實驗室工作的基礎上，確定本文進行的研究工作，并給出文章的組織結構。第二章：兵馬俑碎片圖像數據處理及相關技術介紹。首先介紹了兵馬俑碎片三維重建模型的數據預處理技術、全局多視圖二維圖像獲取技術和數據增強技術；在此基礎上，制定了兵馬俑碎片分類的流程。第三章：基于卷積神經網絡的兵馬俑碎片分類方法。首先將兵馬俑碎片全局多視圖二維圖像輸入到卷積神經網絡中；然后優(yōu)化卷積神經網絡中卷積層、池化層的大小

西北大學碩士學位論文復原過程中對文物產生二次損害，效率低、速度慢，，因此故不適合此類過程中需要根據拍攝角度而不斷觸碰此該方法也不宜使用。因此對于秦一般通過手持式三維掃描儀 Artec3D
【學位授予單位】：西北大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：K879.3;TP391.41;TP183

【相似文獻】

相關期刊論文 前10條

1 胡悅;;金融市場中的神經網絡拐點預測法[J];金融經濟;2017年18期

2 遲惠生;陳珂;;1995年世界神經網絡大會述評[J];國際學術動態(tài);1996年01期

3 吳立可;;脈沖神經網絡和行為識別[J];通訊世界;2018年12期

4 林嘉應;鄭柏倫;劉捷;;基于卷積神經網絡的船舶分類模型[J];信息技術與信息化;2019年02期

5 俞頌華;;卷積神經網絡的發(fā)展與應用綜述[J];信息通信;2019年02期

6 韓真;凱文·哈特尼特;;為神經網絡的通用理論建造基石[J];世界科學;2019年04期

7 鮑偉強;陳娟;熊濤;;基于進化神經網絡的短期電力負荷預測研究[J];電工技術;2019年11期

8 陳曉燕;;淺析簡單神經網絡的發(fā)展及簡單模型[J];數字技術與應用;2019年05期

9 李青華;李翠平;張靜;陳紅;王紹卿;;深度神經網絡壓縮綜述[J];計算機科學;2019年09期

10 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設計研究[J];數字技術與應用;2018年04期

相關會議論文 前10條

1 孫軍田;張U

本文編號：2596705