《Optics & Laser Technology》：A self-alignment node matching method for ceramic artifact texture misalignment combining feature weighted filtering and random sampling matching
编辑推荐：
摘要针对陶瓷文物碎片化分布和纹理特征错位问题，提出一种融合特征加权滤波与随机抽样匹配的图像拼接方法，以实现陶瓷文物图像的精确滤波与拼接。对图像的全局像素灰度分布进行统计分析，根据陶瓷纹理的灰度分布特征为每个直方图维度赋予自适应权重，构建加权特征向量空间。采用加权欧氏距离衡量特
摘要
针对陶瓷文物碎片化分布和纹理特征错位问题，提出一种融合特征加权滤波与随机抽样匹配的图像拼接方法，以实现陶瓷文物图像的精确滤波与拼接。对图像的全局像素灰度分布进行统计分析，根据陶瓷纹理的灰度分布特征为每个直方图维度赋予自适应权重，构建加权特征向量空间。采用加权欧氏距离衡量特征向量之间的相似性并量化匹配程度。建立灰度分布差异索引表以实现目标图像检索。定义描述子区域构建高维特征描述子，利用随机抽样一致性迭代求解最优单应性矩阵，实现陶瓷文物的精确无缝拼接。拼接后的陶瓷文物图像峰值信噪比为65.41，均方误差为0.0187。该方法有效解决了陶瓷文物碎片化分布和纹理特征错位问题，显著提升了陶瓷文物图像拼接的效率和精度。
引言
陶瓷被定义为由黏土等矿物经高温烧制过程中发生一系列物理和化学反应而形成的硬质物质，随后经过配方、粉碎和成型 [1]。陶瓷文物在中国有着悠久的历史 [2]。随着中国社会物质生活水平的提高，人们对陶瓷文物的兴趣持续增长，其鉴定、保护和传承变得日益重要 [3]。陶瓷文物作为兼具艺术价值和实用价值的重要容器 [4]，同时也是古代金属铸造生产中不可或缺的工具 [5]。然而，由于自然侵蚀和人为干预等因素的共同作用 [6]、[7]，大量陶瓷文物在考古发掘阶段就已经碎裂成碎片。这一现实对陶瓷文物的修复实践及相关学术研究提出了严峻而巨大的挑战。陶瓷文物的手工修复难以完全实现，且需要耗费大量人力和物力资源 [8]。图像拼接是将图像的重叠区域合成为一幅具有广角视野和高分辨率的单一图像的过程 [9]。本文提出一种基于机器视觉的陶瓷文物纹理错位的自对齐节点匹配方法，融合特征加权滤波与随机抽样匹配，实现陶瓷文物弱纹理特征图像的无缝拼接。
随着图像拼接算法的逐步成熟，KAZE和RANSAC等技术也广泛应用于图像拼接领域，国内外研究者对这些算法开展了相应的研究。Pourfard等 [10]、[11]、[12] 针对现有SIFT方法因非线性斑点噪声而容易选取错误特征和匹配受损的问题，提出采用KAZE算法结合改进的快速鲁棒特征（SURF）描述子进行SAR图像配准。该方法利用离散随机二阶非线性偏微分方程（PDE）对SAR图像边缘结构进行建模，从而实现提高SAR图像配准精度和改善特征提取唯一性的双重目标。Zheng等 [13]、[14]、[15] 针对古代陶瓷修复中文理连续性差和拼接精度低的问题，提出了一种基于图像处理的纹理拼接方法。该方法结合了KAZE特征提取、RANSAC几何变换估计和基于动态规划的路径优化，提高了古代陶瓷纹理的完整性和连续性。Hu等 [16]、[17]、[18] 针对复杂跨模态图像配准中几何一致性不足的问题，改进了Restormer网络并引入RANSAC去除异常匹配。所提出的方法提高了图像配准的鲁棒性。Yu等 [19]、[20]、[21] 针对受损古代陶瓷数字修复中碎片匹配困难和重建效率低的问题，系统综述了古代陶瓷的三维数字重建方法，分析了碎片匹配、边缘拟合和虚拟重建等关键技术，为古代陶瓷的数字修复提供了系统性的技术指导。现有研究表明，KAZE和RANSAC等传统方法在一般图像配准和陶瓷文物纹理修复中具有良好的几何匹配性能。然而，它们在陶瓷文物的弱纹理场景中仍面临诸多挑战：碎片分散分布降低了候选图像筛选效率，同时还会出现错误匹配和纹理错位。大多数现有研究仅关注特征提取或几何配准，对候选图像筛选、特征匹配和几何一致性的联合优化关注不足，因此难以实现复杂陶瓷文物纹理的精确无缝拼接。
因此，为解决拼接过程中遇到的各种问题，本文提出一种融合特征加权滤波与随机抽样匹配的陶瓷文物自对齐节点匹配方法，实现陶瓷文物装饰纹样的无缝拼接。通过对图像全局像素灰度分布进行统计分析并构建特征向量空间，采用欧氏距离衡量特征向量之间的相似性并量化匹配程度，建立灰度分布差异索引表以实现目标图像检索。定义描述子区域构建高维特征描述子，生成随机样本进行迭代一致性求解最优单应性矩阵，实现陶瓷文物的精确无缝拼接。
章节片段
陶瓷文物装饰特征的图像采集与预处理
为采集陶瓷文物装饰图像，我们自主开发了一套陶瓷文物采集设备，并对采集到的装饰图像进行了预处理。建立陶瓷文物装饰图像采集平台的流程图主要由两个部分组成：装饰图像采集设备和图像数据库构建。建立陶瓷文物装饰图像采集平台的详细过程如图1所示。
3. 特征加权滤波与随机抽样匹配实现陶瓷文物装饰特征的自对齐与拼接
针对传统图像拼接方法中碎片分散分布和纹理特征错位的问题，提出一种融合特征加权滤波与随机抽样匹配的图像匹配方法，以实现陶瓷文物装饰图案图像的精确拼接。陶瓷文物装饰的特征装配流程图包括两个组成部分：特征加权滤波和随机抽样
实验配置环境
（1）硬件与软件环境
为定量和定性分析陶瓷文物装饰特征图像拼接的有效性，采用MATLAB框架构建了实验环境，并采用MSE和SNR等三项客观指标对方法性能进行评估，如表1所示。
（2）数据集与陶瓷碎片信息
本研究使用的数据集为自主构建的元代青花瓷图像数据集
陶瓷文物拼接结果分析
（1）陶瓷文物拼接结果的局部分析
为更直观地分析图像拼接对陶瓷文物装饰图案的局部效果，选取局部陶瓷碎片作为示例。局部分析选取以下图像：文物特征图像的像素误差热图、局部二维热图、区域频谱图和残差指标图。陶瓷文物拼接结果的局部分析如图5所示。
图。
结论
本文针对陶瓷文物装饰纹样碎片化分散分布和纹理特征错位等问题，提出一种融合特征加权筛选与随机抽样匹配的陶瓷文物纹理错位自拟合节点匹配方法。基于对KAZE和RANSAC算法的改进，该方法有效解决了陶瓷文物装饰纹理特征错位导致的拼接效果不佳问题
CRediT 作者贡献声明
Dahai Liao：论文撰写——初稿撰写、资金获取、形式分析、数据管理。Yilang Tu：论文撰写——审阅与编辑、初稿撰写、可视化、软件。Mengyao Xia：初稿撰写、验证、概念设计。Chunjing Xu：资源、项目管理、方法学。Xin Xia：论文审阅与编辑、指导。Nanxing Wu：验证、项目管理、形式分析。
利益冲突声明
作者声明，不存在任何已知的竞争性经济利益或个人关系可能影响本文所报告的研究工作。
致谢
本研究得到国家自然科学基金项目（批准号：62666034）和江西省教育厅科技研究项目（批准号：GJJ2500903）的资助，作者对此表示感谢。作者还衷心感谢编辑和匿名审稿人对本文提出的宝贵且有益的建议。
Dahai Liao|Yilang Tu|Mengyao Xia|Chunjing Xu|Xin Xia|Nanxing Wu
