买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西北大学申请的专利一种彩绘文物线稿提取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115731450B 。

龙图腾网通过国家知识产权局官网在2025-11-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211486116.1，技术领域涉及：G06V10/82；该发明授权一种彩绘文物线稿提取方法是由范建平;崔珊;王珺;彭盛霖;彭进业;王琳;张晓丹;樊萍设计研发完成，并于2022-11-24向国家知识产权局提交的专利申请。

本一种彩绘文物线稿提取方法在说明书摘要公布了：本发明属于图像处理技术领域，具体公开了一种彩绘文物线稿提取方法，首先通过分类网络对采集到的彩绘文物数据集按照病害侵蚀程度进行分类，然后求取输入图像对应的梯度图，两者一起作为网络输入，通过尺度增强模块来充分提取原始彩绘文物图像和梯度图像中的不同尺度的特征，为网络提供更多细节信息，然后在网络中引入注意力机制，使网络更加关注物体轮廓部分，同时加入自适应权重，使网络根据文物的类型特点自动调节。本发明有效利用多尺度特征提取以及梯度注意力机制的优点，通过一个端到端的无监督循环生成对抗网络实现彩绘文物的线稿提取，最终获得语义完整、细节丰富、噪声极少的高质量线稿。

本发明授权一种彩绘文物线稿提取方法在权利要求书中公布了：1.一种彩绘文物线稿提取方法，其特征在于，包括以下步骤： 步骤一：数据集预分类； 采集彩绘文物图片，通过分类网络模型对所述彩绘文物数据集进行分类，得到清晰数据集和病害数据集； 步骤二：建立生成对抗模型； 步骤三：训练生成对抗模型； 分别利用清晰数据集和病害数据集的测试集对生成对抗模型进行训练，得到第一生成对抗模型和第二生成对抗模型； 步骤四：采用训练后的第一生成对抗模型和第二生成对抗模型进行线稿图提取； 所述生成对抗模型包括： 尺度增强模块：用于特征的多尺度提取，包括一个普通卷积和三个扩张卷积，所述三个扩张卷积的扩张率不同； 特征提取模块：用于对输入图像和梯度图像分别提取特征；包括两个3*3的卷积和九个残差块； 自适应梯度注意力融合模块：用于获得梯度信息指导的带有注意力的文物特征图；包括注意力模块和自适应融合模块，其中，注意力模块由两个全连接层，自学习参数α、β，cat函数和1*1卷积组成；所述自适应融合模块包括自学习参数γ； 上采样模块：包括两个3*3的卷积； 生成对抗模型的训练步骤包括： S3.1：分别将清晰数据集和病害数据集作为输入图片IIn输入生成对抗模型； S3.2：提取所述彩绘文物图片的梯度图； S3.3：分别对文物图片和梯度图进行下采样并利用特征提取模块进行特征提取，得到文物特征图Fr和梯度特征图Eg； S3.4：对所述梯度特征图Eg进行全局最大池化和全局平均池化处理，得到两组权重向量Wa、Wm； S3.5：将文物特征图Fr分别与Wa、Wm相乘叠加得到全局平均池化后的文物特征图Fra和全局最大池化的文物特征图Frm，将全局平均池化后的文物特征图Fra和全局最大池化的文物特征图Frm再放入一个卷积核为1*1的全局特征融合层自适应进行融合，得到梯度信息指导的带有注意力的文物特征图Ar； S3.6：将得到的两组文物特征图Ar与两个自学习参数α、β分别相乘叠加得到带有注意力文物特征图F'，计算过程为： F′＝fα×Fra+β×Frm S3.7：将文物特征图Er与融合后的注意力文物特征图分别乘自学习参数γ、1-γ后相加，得到融合后的文物特征图Ffuse，计算过程为： Ffuse＝1-γ×F′+γ×Fr S3.8：对所述融合后的文物特征图Ffuse进行上采样； S3.9：输出线稿图，完成一次训练； S3.10：重复步骤S3.1-S3.9，分别得到用于输出清晰数据集线稿图的第一生成对抗模型和用于输出病害数据集线稿图的第二生成对抗模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北大学，其通讯地址为：710127 陕西省西安市长安区郭杜教育科技产业区学府大街1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。