特征线精简的高质量文物线图绘制方法

技术领域

本申请涉及一种高质量文物线图绘制方法，特别涉及一种特征线精简的高质量文物线图绘制方法，属于文物线图绘制方法技术领域。

背景技术

考古学是根据古代人类活动留下来的实物研究人类历史的学科，研究各种实物遗存的形状、尺寸、特征及其演变规律，是进行考古学研究的基础。各种遗物、遗迹的形状、特征、纹理等信息，最初用文字来描述，但文字不能准确、直观的表达各种信息。通过对文物拍照，照片可以直观真实的反映文物外观，但难以反映各个部位的具体尺寸和空间位置，仅根据照片无法准确还原所拍摄的对象，这就要靠考古绘图来弥补这些手段的缺陷。因此，考古学对于实物的记述，总是把文字描述、绘图和照相结合起来，尽量真实的再现实物的原貌。

考古绘图是考古学的主要辅助手段之一，考古绘图是根据制图学的投影原理进行几何作图，并结合考古实物遗存的特征进行绘图，以记录和说明考古材料的原始特征的一门技术。考古文物出土后，文物的大小、形状和局部细节特征等外观信息可通过考古线图真实呈现出来，而文物的表面纹理、材质等信息也可以通过线图侧面反映，考古线图是考古遗存的第一手资料。这些线图资料是后期考古研究和文物修复的重要依据，且携带方便，便于传输，具有实体考古文物无法做到的优点。考古绘图可以很好的展示和说明文物遗迹的面貌，是后期考古报告、学术论文或者考古书籍中的重要佐证材料。利用考古绘图可以长久保存文物信息。

考古线图是文物发掘、研究、修复与保护各个阶段不可或缺的重要资料。目前，考古绘图主要依靠手工测量绘制和计算机辅助绘制两种方式。手工绘图整个过程工序繁多，绘制速度慢、周期长，绘制的图形精度低，绘图质量也因人而异、参差不齐，况且在测量和绘制的过程中需要翻转或者移动文物，不利于文物保护。随着现代测量测绘技术、计算机图形图像学、数字图像处理和信息技术的迅速发展，数字化制图被引入文物测绘领域，手工绘制好的线图可导入CAD等图形图像编辑处理软件以数字化形式输出和保存，或将文物正投影图导入图形图像编辑处理软件进行人机交互绘制获取文物线图。

数字化考古绘图相比于传统手工绘图优势显著，它减轻了绘图人员的工作量，提高了绘图效率；获得的数字化的绘图成果数据量小，数据可进行编辑再加工，且较纸质线图更易保存、携带和传输。但目前的绘制方法要求绘图人员同时具备绘图基础和计算机基础，对绘图人员要求较高。实现考古文物绘图工作的自动化，可以大幅降低考古工作量，提高考古绘图效率，统一绘图质量，因此，文物线图自动化绘制对考古绘图和考古学的发展具有重大的现实意义和应用价值。

当前一些部门和团队利用数字摄影技术与计算机辅助技术相结合来进行考古绘图工作，首先将所要描绘的文物放置于特定环境下进行拍摄，然后将拍摄获得的文物照片导入图形处理软件进行处理，以照片为底图人工勾勒出出文物的轮廓线和特征，之后再进行去噪、风格化等优化处理，最终获得文物线图。这种方法对拍照环境中的背景色和环境光源要求较高，得到的照片也不是文物的正投影图像，照片中的文物会出现走样问题。

鉴于这些问题，日本国际航业株式会社研制了完全正交摄影装置，融入了将出土文物拍摄成正投影图像的新技术，中国社科院考古研究所探讨了该装置在考古线图绘制中的应用，将文物置于特定的背景和环境光下，通过该装置对其拍照，构成文物正投影图像，之后再对其进行线条提取就能获得文物的正投影线图。但其缺点也很明显，正交摄影设备的拍摄范围有限，对需要多张照片覆盖的大型文物或者不允许移动的文物不适用；对拍摄环境如环境光线要求苛刻；另外，这些设备价格昂贵，制作考古线图的成本较高。

考古文物线图的自动化绘制是今后考古绘图发展的方向，目前文物特征线的提取基于三维模型，为防止文物照片变形，采用的照片底图通常是正投影图，当前亟需解决如何获得正投影图的问题；在传统的手工绘制中，需要通过实地数据量测来确定线图的比例尺，在计算机辅助的半自动化和自动化绘图中，普通的文物照片也不能确定其绘图比例，如果能获取文物的正射影像，线图比例尺和在图上实物尺寸量测问题就能解决。线图主要绘制文物的主体轮廓结构和关键特征，通过边缘检测提取到的文物图像边缘基本上包含了这些文物特征线，但提取到的特征线往往存在很多噪声、冗余边缘和不连续边缘，要获得轮廓特征完整、线条流畅、图面美观的线图成果，还有大量的后处理工作要做。专门针对考古线图的图像去噪和边缘优化处理，现有研究较少。因此，考古绘图的视图、比例、轮廓和特征处理等几个关键要素是本申请需要重点解决的重点。

综上所述，现有技术的文物线图绘制方法存在不足，本申请的难点和待解决的问题主要集中在以下方面：

第一，文物手工绘图在绘图效率、精度、数据存储与管理以及文物保护等方面的缺点日益突出，但目前，计算机辅助的数字化考古文物绘图方法尚处在探索和初步应用阶段，只能生成简单的线图，现有技术基于三维模型的绘图可生成多角度的线图，但获取三维模型的工作量大，且一般只适用于小型文物或者文物碎片；现有技术以文物图像为底图的绘图模式速度快，但往往不容易得到文物的正投影图像，针对文物图像的线图绘制中的正投影图像获取、文物图像去噪、特征线提取和特征线优化等关键步骤和问题，现有技术没有很好的解决办法，缺少一种基于正射影像的文物线图高质量绘制方法；

第二，数字图像处理的边缘检测是图像处理、分析和理解的基础步骤，现有技术根据灰度梯度测度的边缘检测得到的文物图像信息是图像低层的基础特征，没有考虑上下文结构信息，也没有背景与目标区分，由于二维图像上反映的文物特征线主要包括文物的几何轮廓、显著细节特征(如文物上的小饰物轮廓、图案)等线条，而通过边缘检测方法得到的文物边缘图像不仅包括文物的大部分特征线雏形，还包括一些不显著或者不完整的冗余细节边缘和噪声等，且特征线不连续、断裂多，影响文物特征的展现，与文物线图成果有特定差距，原始特征线图需要进行优化处理。在对特征线进行进一步优化处理前，那些冗余的细节边缘和噪声应该被尽量滤除，现有技术不能对低层的边缘检测提取结果进行精简处理；

第三，由经典边缘检测算法得到的边缘图像除去包含噪声和无用边缘之外，还有一个突出问题是边缘特征线存在断裂的情况，这极大的影响了文物特征线对文物主体结构和细节特征的准确展现。因此,对经过精简处理的文物边缘需进行边缘连接处理，才能对文物的轮廓和细节有清晰准确的展现，才能更接近文物线图的要求。由边缘检测方法得到的文物原始特征线面临的首要问题是特征线不完整，断裂处较多，现有技术无法解决该问题。

发明内容

为了解决以上问题，本申请提出一种基于正射影像的文物线图高质量绘制方法，针对性给出了文物图像线图绘制中的正投影图像获取、文物图像去噪、特征线提取和特征线优化等关键步骤和问题的解决方案：一是通过文物三维模型获取正射影像，作为后续文物线图绘制的底图，既满足了正投影绘图的要求，又能直接从线图上获知绘图比例和量测文物尺寸；二是为减少文物图像中的噪声对后续自动提取文物特征线造成干扰，双边滤波与高斯拉普拉斯算法的组合使用，提取的文物特征线流线感较强，线图视觉效果更突出；三是针对文物边缘图像中的边缘冗余和噪声，将视觉中级感知方法融入到边缘精简处理，结合文物图像先验知识，从中级视觉层次对边缘进行无用信息的精简，突出线图中的主次结构，改善文物特征线质量；四是对于边缘图像中的边缘断裂问题，采用视觉认知编组方法，对文物边缘特征线进行自动化连接处理，大幅减少后期人工编辑的工作量，提高文物线图特征线的质量。

为实现以上技术特征，本申请所采用的技术方案如下：

特征线精简的高质量文物线图绘制方法，是一种基于正射影像的文物线图高质量绘制方法，包括：

第一步，基于考古绘图的正投影绘图要求，通过文物三维模型获取正射影像；

第二步，采用中值滤波和双边滤波结合对文物图像去噪，减少文物边缘图像的噪声；采用高斯拉普拉斯算法，对去噪后的文物图像进行边缘提取，双边滤波与高斯拉普拉斯算法的组合使用，提取的文物特征线流线感较强，线图视觉效果更突出；

第三步，针对文物边缘图像中的边缘冗余和噪声，将视觉中级感知方法融入到边缘精简处理，结合文物图像先验知识，从中级视觉层次对边缘进行无用信息的精简，突出线图中的主次结构；

第四步，对于边缘图像中的边缘断裂问题，采用视觉认知编组方法，对文物边缘特征线进行连接处理，减少后期人工编辑的工作量，提高文物线图特征线的质量；

第三步基于视觉中级感知的文物特征线精简处理和第四步基于视觉认知编组的文物特征线连接处理是本申请的核心内容和创新点：将视觉中级感知方法融入到边缘精简处理，然后采用视觉认知编组方法对特征线进行分类、连接优化处理，使得特征线图接近文物线图的要求，提高线图绘制的准确率和效率。

特征线精简的高质量文物线图绘制方法，进一步的，基于视觉中级感知的文物特征线精简处理：从视觉中级感知的层面，结合特定的图像先验知识，对无用边缘进行精简；

把中级视觉感知得到的两部分内容分别作为前景和背景，文物主体结构和特征为前景，其他冗余信息为背景，背景信息具有特定特征，这些特征构成先验知识，本申请文物先验知识归纳有以下两点：

第一点：文物特征线的长度不应太短，文物图像中的主体是外形轮廓与显著特征，其边缘表现为闭合和具有特定的几何形状，而通过边缘检测方法得到的图像边缘不仅包含外形轮廓和显著特征的边缘，还包含细小纹理的不成形的边缘和很多噪声，琐碎且杂乱；

第二点：文物特征线的线型流畅，奇形怪状少，自然图像中包含的目标形状和结构存在特定的线条走向内在机理，不会出现短小的缠绕型或者Z字型线条，表征文物轮廓与特征的特征线也遵循同样的机理；

反过来，本申请利用以上特征指导文物图像的自动化处理，根据文物先验知识来区分图像中前景和背景信息，背景信息包括不显著不成形的细部纹理边缘和噪声点，并根据背景信息的特征，定义两个精简边缘规则，去掉无用的短边缘和噪声点，达到精简边缘图像的目的。

特征线精简的高质量文物线图绘制方法，进一步的，本申请定义两个精简边缘规则：

规则一：根据文物线条特征设定临界值，删除线条长度小于临界值短边缘；

规则二：删除短的缠绕型和Z字型边缘。

特征线精简的高质量文物线图绘制方法，进一步的，基于视觉认知编组的文物特征线连接处理：对经过精简处理的文物边缘需进行边缘连接处理，才能对文物的轮廓和细节有清晰准确的展现，才能更接近文物线图的要求，边缘的连接处理基于中级视觉特征，采用视觉认知编组方法对线图进行自动化连接；

基于视觉认知编组的文物特征线连接的基本步骤包括文物特征检测、编组体系设计、编组体系调整和编组产生，用于编组的特征或者基元可以是直线、边缘点、弧、区域块类型，本申请针对边缘检测方法提取边缘曲线；编组体系的设计和调整是决定编组方法有效性的关键一步，是视觉认知编组的核心步骤，它确定特征基元之间关系的参数化表达，根据编组目标特征对局部间相互关系条件进行组合，并学习和调节组合的方式，从而构成合理有效的编组判定体系。

特征线精简的高质量文物线图绘制方法，进一步的，本申请用视觉认知编组方法先解决边缘断裂的问题，采用视觉认知编组的特征基元是曲线，根据文物特征曲线的特征归纳编组的约束条件，即特征线间的相互关系的量化描述和判定，以约束条件构建连接概率模型，计算特征线的连接概率，定量评估特征线符合约束条件的程度，实现文物特征曲线断裂处的连接；

文物特征线断裂处的曲线呈现以下几个特征：

特征一：相邻的两个端点距离较近；

特征二：相邻端点处直线段的斜率接近，两直线段的夹角较小；

特征三：相邻端点处不存在重叠情况；

特征四：两条曲线的总长度不长。

特征线精简的高质量文物线图绘制方法，进一步的，根据文物特征线的特点，对曲线的特征描述利用端点特征、曲线长度和曲线走向，曲线看成是直线段的组成，基于端点和直线特征的几个概率模型来实现编组规则：

模型一，端点邻近特征模型：特征描述两条直线或者曲线端点紧邻的情况，用两直线或者曲线端点间的最短距离a来度量，连接的两条直线或者曲线间的邻近端点距离h

其中，L是两直线或者曲线的长度之和。

特征线精简的高质量文物线图绘制方法，进一步的，

模型二，直线、曲线间的重叠特征和曲率特征模型：连接的两条直线或者曲线间没有重叠部分，且满足曲率连续平滑的特征，通过限定备选连接曲线的搜索区域来保证两曲线邻近端点处的不重叠且具有特定的曲率连续特征，对于曲线b

特征线精简的高质量文物线图绘制方法，进一步的，

模型三，直线间的夹角特征模型：两条直线段存在一个夹角，连接的两条曲线端点处的直线段h

曲线b

式中，p

特征线精简的高质量文物线图绘制方法，进一步的，基于视觉认知编组的文物特征线连接的实现步骤为：

步骤一：从边缘图像的第一个边缘线连通区域开始，以该边缘线端点为中心的特定半径邻域内搜索曲线端点，确定为备选连接曲线，根据式4对备选连接曲线段的连接概率进行计算；

步骤二：设定概率临界值，提取连接概率大于临界值的曲线，连接边缘特征线，更新边缘曲线连通区域集；

步骤三：遍历图像的边缘曲线，重复步骤二和步骤三，直到边缘曲线遍历完毕，编组终止。

特征线精简的高质量文物线图绘制方法，进一步的，绘制文物线图成果：经过特征线优化处理后的文物特征线图基本上已是文物线图的雏形，后续生成文物线图成果还需要人工编辑，对文物特征线图进行进一步去噪和去除冗余特征线，以及完善特征连接；

采用文物的正射影像作为线图的绘制底图，线图的比例尺根据正射影像的地面分辨率计算得到，如果正射影像像素大小为q，地面分辨率为F，对线图的缩放比例为w，则线图的输出比例尺T公式为：

本申请重点步骤包括：文物特征线的精简，特征线的连接处理以及最终的文物线图绘制成果，首先，基于视觉中级感知知对文物原始特征边缘线进行精简处理；然后，优化视觉认知编组方法，对文物特征线进行连接处理，基本完成文物特征线的自动化提取，得到文物线图雏形；最后，对自动化成果进行适当的人工编辑得到最终的文物线图成果。

与现有技术相比，本申请的创新点和优势在于：

第一，本申请提出一种基于正射影像的文物线图高质量绘制方法，针对性给出了文物图像线图绘制中的正投影图像获取、文物图像去噪、特征线提取和特征线优化等关键步骤和问题的解决方案：一是通过文物三维模型获取正射影像，作为后续文物线图绘制的底图，既满足了正投影绘图的要求，又能直接从线图上获知绘图比例和量测文物尺寸；二是为减少文物图像中的噪声对后续自动提取文物特征线造成干扰，采用中值滤波和双边滤波结合对文物图像去噪，减少文物边缘图像的噪声；采用高斯拉普拉斯算法，对去噪后的文物图像进行边缘提取，双边滤波与高斯拉普拉斯算法的组合使用，提取的文物特征线流线感较强，线图视觉效果更突出；三是针对文物边缘图像中的边缘冗余和噪声，将视觉中级感知方法融入到边缘精简处理，结合文物图像先验知识，从中级视觉层次对边缘进行无用信息的精简，突出线图中的主次结构，改善文物特征线质量；四是对于边缘图像中的边缘断裂问题，采用视觉认知编组方法，对文物边缘特征线进行连接处理，大幅减少后期人工编辑的工作量，提高文物线图特征线的质量，实现文物线图的高质量绘制；

第二，现有技术根据灰度梯度测度的边缘检测得到的图像信息是图像低层的基础特征，没有考虑上下文结构信息，也没有背景与目标区分，由于二维图像上反映的文物特征线主要包括文物的几何轮廓、显著细节特征等线条，而通过边缘检测方法得到的文物边缘图像不仅包括文物的大部分特征线雏形，还包括一些不显著或者不完整的冗余细节边缘和噪声等，且特征线不连续、断裂多，影响文物特征的展现，与文物线图成果有特定差距，原始特征线图需要进行优化处理。本申请第三步基于视觉中级感知的文物特征线精简处理和第四步基于视觉认知编组的文物特征线连接处理是本申请的核心内容和主要创新点，首先将视觉中级感知方法融入到边缘精简处理，然后采用视觉认知编组方法对特征线进行分类、连接优化处理，使得特征线图接近文物线图的要求，减少后期人工编辑处理的工作量，提高线图绘制的准确率和效率，实现特征线精简的高质量文物线图绘制；

第三，文物大多是蕴含美学设计思想和高超制作工艺的艺术品，表面往往会有风格化、图案化的特征体或者纹饰等，图案一般是有序的，可以从图案设计的角度找到规律，本申请创造性的将文物的这种特性从中级视觉的角度对线条进行量化描述和约束，结合特定的图像先验知识，对低层的边缘检测提取结果进行精简处理，滤除冗余的细节边缘和噪声，其针对文物无用边缘和噪声的精简效果相比于现有技术具有很大优势；

第四，由边缘检测方法得到的文物原始特征线面临的首要问题是特征线不完整，断裂处较多。因此本申请创造性的提出视觉认知编组方法解决边缘断裂问题，文物原始特征线由边缘曲线或者直线段组成，采用视觉认知编组的特征基元是曲线，根据文物特征曲线的特征归纳编组的约束条件，即特征线间的相互关系的量化描述和判定，以约束条件构建连接概率模型，计算特征线的连接概率，定量评估特征线符合约束条件的程度，实现文物特征曲线断裂处的自动化连接，实现特征线精简的高质量文物线图绘制。

附图说明

图1是本申请杯式炉边缘精简结果示意图。

图2是基于视觉认知编组的文物特征线连接的基本步骤示意图。

图3是基于端点和直线特征概率模型的曲线间量化关系描述图。

图4是基于视觉认知编组的文物特征线连接流程图。

图5是英姿菩萨像眼睛部位邻近曲线分布示意图。

图6是英姿菩萨像眼睛部位邻近曲线连接概率情况示意图。

图7是本申请杯式炉特征线连接结果示意图。

图8是英姿菩萨像边缘连接结果示意图。

图9是英姿菩萨像文物线图成果示意图。

具体实施方法

下面结合附图，对本申请提供的特征线精简的高质量文物线图绘制方法的技术方案进行进一步的描述，使本领域的技术人员能够更好的理解本申请并能够予以实施。

文物考古线图是文物的发掘、研究、修复和保护各个阶段不可或缺的重要数据资料，考古绘图主要依赖手工完成。但在数字化、信息化高速发展的今天，手工绘图在绘图效率、精度、数据存储与管理以及文物保护等方面的缺点日益突出。随着现代测量测绘技术和信息技术的快速发展，尤其是数字摄影测量、计算机图形图像处理、三维激光扫描与建模、数据库和虚拟现实等技术的发展，一些新技术手段开始在考古工作中得到应用，给考古绘图手段和方式带来了革新，考古绘图工作逐渐从手工纸质化时代进入数字化、信息化时代，并向半自动化、自动化方向发展。

目前，计算机辅助的数字化考古文物绘图方法尚处在探索和初步应用阶段，只能生成简单的线图，主要有基于文物二维图像和基于文物三维模型二种方式。基于三维模型的绘图可生成多角度的线图，但获取三维模型的工作量大，且一般只适用于小型文物或者文物碎片；基于图像的绘图又分为以已有手绘线图为底图和以文物图像为底图两种，以文物图像为底图的绘图模式速度快，但往往不容易得到文物的正投影图像。针对文物图像的线图绘制中的正投影图像获取、文物图像去噪、特征线提取和特征线优化等关键步骤和问题，本申请提出了一种基于正射影像的文物线图高质量绘制方法，包括：

第一步，基于考古绘图的正投影绘图要求，通过文物三维模型获取正射影像，采用Geomagic获取平行投影影像获取正射影像，作为后续文物线图绘制的底图，既满足了正投影绘图的要求，又能直接从线图上获知绘图比例和量测文物尺寸；

第二步，为减少文物图像中的噪声对后续自动提取文物特征线造成干扰，采用中值滤波和双边滤波结合对文物图像去噪，减少文物边缘图像的噪声；采用高斯拉普拉斯算法，对去噪后的文物图像进行边缘提取，双边滤波与高斯拉普拉斯算法的组合使用，提取的文物特征线流线感较强，线图视觉效果更突出；

第三步，针对文物边缘图像中的边缘冗余和噪声，将视觉中级感知方法融入到边缘精简处理，结合文物图像先验知识，从中级视觉层次对边缘进行无用信息的精简，突出线图中的主次结构，改善文物特征线质量；

第四步，对于边缘图像中的边缘断裂问题，采用视觉认知编组方法，对文物边缘特征线进行连接处理，对边缘断裂处起到连接作用，大幅减少后期人工编辑的工作量，提高文物线图特征线的质量。

数字图像处理的边缘检测是图像处理、分析和理解的基础步骤，计算机视觉的边缘检测是图像底层视觉特征提取的重要手段，由根据灰度梯度测度的边缘检测得到的图像信息是图像低层的基础特征，没有考虑上下文结构信息，也没有背景与目标区分，由于二维图像上反映的文物特征线主要包括文物的几何轮廓、显著细节特征(如文物上的小饰物轮廓、图案)等线条，而通过边缘检测方法得到的文物边缘图像不仅包括文物的大部分特征线雏形，还包括一些不显著或者不完整的冗余细节边缘和噪声等，且特征线不连续、断裂多，影响文物特征的展现，与文物线图成果有特定差距，原始特征线图需要进行优化处理。上述第三步基于视觉中级感知的文物特征线精简处理和第四步基于视觉认知编组的文物特征线连接处理是本申请的核心内容和主要创新点，首先将视觉中级感知方法融入到边缘精简处理，然后采用视觉认知编组方法对特征线进行分类、连接优化处理，使得特征线图接近文物线图的要求，减少后期人工编辑处理的工作量，提高线图绘制的准确率和效率，实现特征线精简的高质量文物线图绘制。

一、基于视觉中级感知的文物特征线精简处理

通过边缘检测得到的文物边缘图像不仅包括了文物的大部分特征线雏形，还包括一些不显著或者不完整的冗余细节边缘和噪声。在对特征线进行进一步优化处理前，那些冗余的细节边缘和噪声应该被尽量滤除，因此，本申请从视觉中级感知的角度出发，对低层的边缘检测提取结果进行精简处理。

(一)文物特征线的精简

文物各式各样，除自身主体结构外，表面还可能有附加物件、复杂的雕刻图案或丰富的纹饰。而文物线图展现内容的容量有限，既要忠实于原物，真实准确的反映文物大小、形状和局部细节特征，描述文物的结构和特征，又要根据需求体现重点和针对性，并不是对文物展现的越详细越好。文物线图主要勾勒文物的主体外形轮廓，和显著的能反映文物独特性的特征。

从文物图像的边缘检测图像中得出，除开得到了表征文物的外形轮廓的边缘外，还提取出了一些细小的细节纹理和噪声，表现为一些细碎分布的短边缘和像素点。整体看来，边缘线条比较杂乱，有很多冗余信息，另外，有些显著的特征边缘在检测过程中发生断开的现象，影响文物主体结构目标的展现。针对以上文物图像边缘检测结果的分析，从视觉中级感知的层面，结合特定的图像先验知识，对无用边缘进行精简。

从视觉中级感知信息的层面和尺寸观察文物边缘图像，长而具有特定结构或者能连接成特定结构形状(即闭合形状)的边缘勾勒出文物的外形轮廓和一些显著的特征形状，在视觉感官中呈现出一个物体的几何面貌，这是人类视觉系统进行中级视觉的知觉编组的结果，而其余信息看不出组织特征，这些杂乱信息表现为细碎分布的短边缘或者小区域的缠绕型边缘以及孤立的像素点，在文物线图的展现中忽略不计。从目标识别的角度看，把中级视觉感知得到的两部分内容分别作为前景和背景，文物主体结构和特征为前景，其他冗余信息为背景，背景信息具有特定特征，这些特征便构成先验知识，本申请文物先验知识归纳有以下两点：

第一点：文物特征线的长度不应太短，文物图像中的主体是外形轮廓与显著特征，其边缘表现为闭合和具有特定的几何形状，而通过边缘检测方法得到的图像边缘不仅包含外形轮廓和显著特征的边缘，还包含细小纹理的不成形的边缘和很多噪声，琐碎且杂乱；

第二点：文物特征线的线型流畅，奇形怪状少，自然图像中包含的目标形状和结构存在特定的线条走向内在机理，不会出现短小的缠绕型或者Z字型线条，表征文物轮廓与特征的特征线也遵循同样的机理。

反过来，本申请利用以上特征指导文物图像的自动化处理，根据文物先验知识来区分图像中前景和背景信息，背景信息包括不显著不成形的细部纹理边缘和噪声点，并根据背景信息的特征，定义两个精简边缘规则，去掉无用的短边缘和噪声点，达到精简边缘图像的目的。

本申请定义两个精简边缘规则：

规则一：根据文物线条特征设定临界值，删除线条长度小于临界值短边缘；

规则二：删除短的缠绕型和Z字型边缘。

实验结果如图1所示。通过这种策略去掉缠绕边缘，短边缘和噪声的同时，也会去掉长边缘中断裂的短边缘部分，导致更严重的边缘断裂现象，边缘长度临界值的设定对结果有很大影响，只能在尽量不损坏长边缘结构和特征的情况下，去掉琐碎边缘和噪声。

二、基于视觉认知编组的文物特征线连接处理

由经典边缘检测算法得到的边缘图像除去包含噪声和无用边缘之外，还有一个突出问题是边缘特征线存在断裂的情况，这极大的影响了文物特征线对文物主体结构和细节特征的准确展现。因此,对经过精简处理的文物边缘需进行边缘连接处理，才能对文物的轮廓和细节有清晰准确的展现，才能更接近文物线图的要求，边缘的连接处理基于中级视觉特征，采用视觉认知编组方法对线图进行自动化连接。

如图2所示，基于视觉认知编组的文物特征线连接的基本步骤包括文物特征检测、编组体系设计、编组体系调整和编组产生，用于编组的特征或者基元可以是直线、边缘点、弧、区域块类型，本申请针对边缘检测方法提取边缘曲线；编组体系的设计和调整是决定编组方法有效性的关键一步，是视觉认知编组的核心步骤，它确定特征基元之间关系的参数化表达，根据编组目标特征对局部间相互关系条件进行组合，并学习和调节组合的方式，从而构成合理有效的编组判定体系。

文物大多是蕴含美学设计思想和高超制作工艺的艺术品，表面往往会有风格化、图案化的特征体或者纹饰等，图案一般是有序的，可以从图案设计的角度找到规律，比如讲究对称美的文物表面会呈现对称的图案形状，文物的这种特性有利于从中级视觉的角度去对线条进行量化描述和约束，由边缘检测方法得到的文物原始特征线面临的首要问题是特征线不完整，断裂处较多。因此本申请用视觉认知编组方法先解决边缘断裂的问题，文物原始特征线由边缘曲线或者直线段组成，采用视觉认知编组的特征基元是曲线，根据文物特征曲线的特征归纳编组的约束条件，即特征线间的相互关系的量化描述和判定，以约束条件构建连接概率模型，计算特征线的连接概率，定量评估特征线符合约束条件的程度，实现文物特征曲线断裂处的连接。

本申请实施例涉及的文物以杯式炉和英姿菩萨像为例。从文物的结构上看，杯式炉的主体结构线简洁明显，且具有规则和对称的特征，表面没有富余的纹饰、附件等；特征线主要分布在外形轮廓、炉身腰部裙边和炉身下部的镂空纹饰，大致集中分布在近水平和垂直两个方向，这些结构线上存在不同程度的断裂；英姿菩萨像表面特征较多，除开外形轮廓外，表面的特征有额头发迹、眉心白毫、眼睛、眉毛、鼻子、嘴巴、衣襟，这些地方都存在断裂；在头发和头饰特征细小而复杂，在绘制线图时不可能一一而足，虽然断裂处较多，但不予考虑。特征线断裂处的两条曲线呈现以下几个特征：特征一：相邻的两个端点距离较近；特征二：相邻端点处直线段的斜率接近，两直线段的夹角较小；特征三：相邻端点处不存在重叠情况；特征四：两条曲线的总长度不长。

根据文物特征线的特点，对曲线的特征描述利用端点特征、曲线长度和曲线走向，曲线看成是直线段的组成，基于端点和直线特征的几个概率模型来实现编组规则：

(1)模型一，端点邻近特征模型：特征描述两条直线或者曲线端点紧邻的情况，用两直线或者曲线端点间的最短距离a来度量，连接的两条直线或者曲线间的邻近端点距离h

其中，L是两直线或者曲线的长度之和。

(2)模型二，直线、曲线间的重叠特征和曲率特征模型：连接的两条直线或者曲线间没有重叠部分，且满足曲率连续平滑的特征，通过限定备选连接曲线的搜索区域来保证两曲线邻近端点处的不重叠且具有特定的曲率连续特征，对于曲线b

(3)模型三，直线间的夹角特征模型：两条直线段存在一个夹角，连接的两条曲线端点处的直线段h

曲线b

式中，p

基于视觉认知编组的文物特征线连接的实现步骤为：

步骤一：从边缘图像的第一个边缘线连通区域开始，以该边缘线端点为中心的特定半径邻域内搜索曲线端点，确定为备选连接曲线，根据式4对备选连接曲线段的连接概率进行计算；

步骤二：设定概率临界值，提取连接概率大于临界值的曲线，连接边缘特征线，更新边缘曲线连通区域集；

步骤三：遍历图像的边缘曲线，重复步骤二和步骤三，直到边缘曲线遍历完毕，编组终止。

基于视觉认知编组的文物特征线连接流程图如图4所示。对图5所示的英姿菩萨像左眼部位进行试验，连接概率情况如图6所示。由图6中的连接概率值中看出，如果将连接概率临界值设置为0.58，可连接的曲线连接概率从大到小的排列顺序是H

文物图像的实验结果中，杯式炉特征线连接结果如图7所示，是对特征线提取图像进行的编组连接，对于方向性比较明确的具有特定长度的边缘，连接成功率较高。杯式炉结构简洁，特征线大都分布在水平和垂直两个方向，炉口腰部、炉身腰部和炉底轮廓等特征线都是近水平方向的，方向一致性好且具有特定长度，炉身腰部的裙边有近垂直方向的褶皱竖条纹。本申请连接算法对这种断裂情形适应性相对较好，因此这些地方连接得较好。

英姿菩萨像特征线连接结果如图8所示，对特征线提取图像分别进行的编组连接。菩萨像脸部的结构比较清晰，眉心白毫、眼睛、眉毛、嘴巴、鼻子等特征显著规则，特征线基本也分布在近水平和垂直方向，额头发迹、眼睛和鼻子等地方都能连接起来，但由于菩萨的细节特征较多，曲线端点也很多，在搜索邻域曲线端点和进行备选曲线概率计算时，计算量相对较大，但出现错连的概率依然较低。

观察杯式炉和英姿菩萨像三维模型等高线，等高线的山脊、山谷、悬崖处都表征了文物的特征线走向，可以发现，通过编组的特征线连接处基本上是沿着文物几何特征线的。

三、文物线图绘制成果

经过特征线优化处理后的文物特征线图基本上已是文物线图的雏形，后续生成文物线图成果还需要人工编辑，对文物特征线图进行进一步去噪和去除冗余特征线，以及完善特征连接。英姿菩萨像经过半自动化绘制和后期人工编辑后的成果如图9所示。

采用文物的正射影像作为线图的绘制底图，线图的比例尺根据正射影像的地面分辨率计算得到，如果正射影像像素大小为q，地面分辨率为F，对线图的缩放比例为w，则线图的输出比例尺T公式为：

本申请重点包括三个方面：文物特征线的精简，特征线的连接处理以及最终的文物线图绘制成果，首先，基于视觉中级感知知对文物原始特征边缘线进行精简处理，得到实验结果；然后，优化视觉认知编组方法，对文物特征线进行连接处理，得到实验结果，基本完成文物特征线的自动化提取，得到文物线图雏形；最后，对自动化成果进行适当的人工编辑得到最终的文物线图成果。