【摘要】：在可視化技術(shù)和計(jì)算機(jī)數(shù)字化的飛速發(fā)展背景下,文化遺產(chǎn)的保護(hù)工作與傳承工作也逐漸進(jìn)入信息化時(shí)代。秦始皇陵墓葬坑出土的兵馬俑和兵馬俑文物碎片數(shù)量多、幾何形狀復(fù)雜、結(jié)構(gòu)復(fù)雜、表面特征模糊,從而導(dǎo)致復(fù)原效率低下。通過對(duì)兵馬俑碎片進(jìn)行分類,確定碎片之間的隸屬關(guān)系,可以有效地解決虛擬拼接算法復(fù)雜度高、結(jié)果不準(zhǔn)確的問題,并有效避免人工識(shí)別對(duì)碎片造成的二次損壞。針對(duì)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(yīng)學(xué)習(xí)模型研究”陜西省自然科學(xué)基金項(xiàng)目支持下,將直覺模糊集C均值與卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化模型相結(jié)合,實(shí)現(xiàn)對(duì)兵馬俑碎片的分類。具體研究?jī)?nèi)容如下:1.構(gòu)造兵馬俑碎片二維圖像數(shù)據(jù)集。采用掃描設(shè)備獲取三維數(shù)據(jù)集,在特征標(biāo)注的基礎(chǔ)上使用Geomagic系統(tǒng)獲取碎片全局多視圖二維圖像數(shù)據(jù)集;采用高斯混合模型條件生成式對(duì)抗網(wǎng)絡(luò)數(shù)據(jù)增強(qiáng)算法對(duì)二維圖像數(shù)據(jù)集進(jìn)行擴(kuò)充;擴(kuò)展后的數(shù)據(jù)集可以極大的改善現(xiàn)有碎片數(shù)據(jù)量有限導(dǎo)致的后續(xù)實(shí)驗(yàn)結(jié)果不準(zhǔn)確、過擬合的難題,為本文后續(xù)的工作提供強(qiáng)有力的數(shù)據(jù)支持。2.首次在卷積神經(jīng)網(wǎng)絡(luò)模型中引入兵馬俑碎片數(shù)據(jù)集,提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的兵馬俑碎片分類方法。將經(jīng)過預(yù)處理的碎片數(shù)據(jù)集輸入到卷積神經(jīng)網(wǎng)絡(luò)中,進(jìn)行數(shù)據(jù)訓(xùn)練,避免了人工特征抽取的時(shí)間消耗,大大提高了在線計(jì)算效率,實(shí)驗(yàn)表明本文采用的方法相比傳統(tǒng)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(jīng)網(wǎng)絡(luò)的兵馬俑碎片分類方法。該方法考慮到卷積神經(jīng)網(wǎng)絡(luò)在碎片特征提取時(shí)由于卷積層過多、提取特征過度細(xì)膩造成的過擬合問題,對(duì)傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行一定程度的優(yōu)化處理,提高了兵馬俑碎片特征識(shí)別率,降低了算法時(shí)間復(fù)雜度,提高了碎片分類準(zhǔn)確性。4.提出一種基于直覺模糊C均值卷積神經(jīng)網(wǎng)絡(luò)兵馬俑碎片分類方法。該方法在淺層卷積神經(jīng)網(wǎng)絡(luò)提取碎片特征基礎(chǔ)上引入直覺模糊集,更好地實(shí)現(xiàn)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(yàn)知識(shí)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(fù)雜度,同時(shí)也提高了分類精度。
【圖文】：

最終結(jié)合先驗(yàn)知識(shí)給出分類結(jié)果。圖 1 本文主要研究?jī)?nèi)容概況圖1.4 本文章節(jié)安排第一章：緒論。詳細(xì)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(jù)文章用到的相關(guān)技術(shù)，介紹了國(guó)內(nèi)外研究現(xiàn)狀；在實(shí)驗(yàn)室工作的基礎(chǔ)上，確定本文進(jìn)行的研究工作，并給出文章的組織結(jié)構(gòu)。第二章：兵馬俑碎片圖像數(shù)據(jù)處理及相關(guān)技術(shù)介紹。首先介紹了兵馬俑碎片三維重建模型的數(shù)據(jù)預(yù)處理技術(shù)、全局多視圖二維圖像獲取技術(shù)和數(shù)據(jù)增強(qiáng)技術(shù)；在此基礎(chǔ)上，制定了兵馬俑碎片分類的流程。第三章：基于卷積神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)中；然后優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)中卷積層、池化層的大小

西北大學(xué)碩士學(xué)位論文復(fù)原過程中對(duì)文物產(chǎn)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(jù)拍攝角度而不斷觸碰此該方法也不宜使用。因此對(duì)于秦一般通過手持式三維掃描儀 Artec3D
【學(xué)位授予單位】：西北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：K879.3;TP391.41;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場(chǎng)中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測(cè)法[J];金融經(jīng)濟(jì);2017年18期

2 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會(huì)述評(píng)[J];國(guó)際學(xué)術(shù)動(dòng)態(tài);1996年01期

3 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識(shí)別[J];通訊世界;2018年12期

4 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

5 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

6 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

7 鮑偉強(qiáng);陳娟;熊濤;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究[J];電工技術(shù);2019年11期

8 陳曉燕;;淺析簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)的發(fā)展及簡(jiǎn)單模型[J];數(shù)字技術(shù)與應(yīng)用;2019年05期

9 李青華;李翠平;張靜;陳紅;王紹卿;;深度神經(jīng)網(wǎng)絡(luò)壓縮綜述[J];計(jì)算機(jī)科學(xué);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(shè)計(jì)研究[J];數(shù)字技術(shù)與應(yīng)用;2018年04期

相關(guān)會(huì)議論文 前10條

1 孫軍田;張U

本文編號(hào)：2596705