基于直觉模糊优化深度学习模型的破损俑体精细分类研究.pdfVIP

摘要

陕西省出土的秦始皇陵兵马俑是彰显中国古代辉煌文明的一张金字名片。由于秦末

战火和岁月侵蚀，在挖掘过程中，破碎残损、汇聚成滩，针对颜色褪色、纹理缺失，人

工复原易导致二次损害等问题，寻求高性能计算模型与智能信息处理新技术是解决破损

俑体智能精细分类的关键，也是兵马俑虚拟复原的智能化需求。因此，本文选取具有较

强分辨能力的直觉模糊集优化理论与较好表示与学习能力的深度神经网络相结合，面向

破损俑体的精细分类开展研究，具体研究内容如下：

（1）针对文物图像数据量难以满足网络训练规模需求，本文提出基于稀疏自编码

边界均衡生成对抗网络的数据增强混合模型。在该模型中，使用单样本数据增强的方法

扩充数据集进行数据预增强，为生成对抗神经网络提供足够的样本。再使用稀疏自编码

器的边界均衡生成对抗网络抽取图像分布的有用信息，生成高质量的图像，为设计良好

分类效果的深度学习模型提供数据支撑。

（2）为提升粒子群算法的全局搜索与寻优效率，提出直觉模糊相似度烟花变异的

多策略粒子群算法（Multi-strategyParticleSwarmOptimizationAlgorithmBasedon

IntuitionisticFuzzySimilarityandFireworksMutation,IFSFM-MPSO）。在该模型中，首先

用佳点集理论作用于初始种群，提高初代粒子个体在解空间分布的均匀性；其次，根据

粒子能量状态变化，将种群划分为探索、平衡与开发三个子种群并设计相应的飞行策略，

同时设计惯性权重混合递减策略来保证算法全局探索和局部开发的自适应平衡；最后，

设计基于直觉模糊相似度的烟花变异策略提升粒子局部逃逸能力，增强种群多样性和全

局寻优能力，可为后续深度学习模型的网络结构与超参数提供优化方案。

（3）针对俑体碎片种类多、特征繁杂以及显著特征部分缺失导致分类难问题，提出

双层特征融合EfficientNet（DoubleFeatureFusionEfficientNet,DFF-EfficientNet）的破损

俑体分类模型，实现全局（轮廓线）与局部（纹理）特征的联合解译。针对DFF-EfficientNet

网络结构与超参数优化问题，引入IFSFM-MPSO算法，建立IFSFM-MPSO-DFF-

EfficientNet的精细分类模型，与其他分类模型在四个数据集上的分类结果表明，该模型

优于对比模型，可有效避免破损俑体不同部位特征相似的错分问题以及同一部位不同特

征的漏分问题，实现碎片的精细分类，指导全局拼接，为文化遗产数字化提供有效手段。

关键词：兵马俑，精细分类，直觉模糊相似度，粒子群优化算法，深度神经网络

ABSTRACT

TheTerracottawarriorsunearthedfromtheMausoleumofQinShihuanginShaanxiProvince

areagoldenbusinesscardthathighlightsthegloriouscivilizationofancientChina.Duetothe

warattheendoftheQinDynastyandtheerosionoftheyears,duringtheexcavationprocess,

itwasbrokenanddamaged,convergingintoabeach.Aimingatproblemssuchascolorfading,

textureloss,andmanualrestorationthateasilyleadtosecondarydamage.Seekinghigh-

performancecomputingmodelsandnewtechnologiesforintelligentinformationprocessingis

thekeytosolvingtheintelligentandfineclassificationofdamagedterracottawarriors,andit

is