基于SIFT的甘肅慶陽刺繡針法檢測增強算法研究

摘 要：甘肅慶陽刺繡源于黃河流域，制品式樣繁復種類多樣，是隴東地區特色文化的重要載體。對慶陽刺繡的數字化保護可以作為中華文化傳承和活化保護的有力手段。由于刺繡圖案和針法具有較為復雜的邊緣結構和重復率較高的紋理特征，因此對其進行區域檢測是一項頗具挑戰性的任務。文章選取5種慶陽刺繡中經典針法并建立用于學習訓練的圖像數據集，通過導向濾波搭建改進檢測網絡模型SIFT-E，對針法圖案進行實時檢測。與SIFT相比，改進后的方法識別匹配率更高，極大地提升了檢測效率。

關鍵詞 ：慶陽刺繡；卷積神經網絡；導向濾波；SIFT

中圖分類號：TP751.1 文獻標志碼：A

*基金項目：2022年蘭州市科技計劃項目“基于計算機視覺的蘭州市文物資源三維重建方法與數字化應用研究”（2022-2-77）；2023年甘肅省自然科學基金項目“甘肅非遺刺繡數字化保護技術研究”（23JRRA1471）；2022—2023年蘭州職業技術學院院級科研項目“數字化新農村背景下計算機專業人才培養研究”（2022XY-19）。

作者簡介：田歡（1982-），女，碩士，副教授，主要研究方向：圖像增強、圖像識別、三維重建。

0 引言

甘肅慶陽刺繡又稱“隴繡”，是黃土高原民間工藝的優秀代表。其歷史悠久，技法獨到，文化底蘊深厚，題材多為民間故事，也有生活中常見吉祥圖樣。慶陽刺繡針法主要有齊針、辨針、緝針、搶針、纏針等多種，繡法有鋪繡、箔繡、堆繡、雕繡、織繡、裰繡、貼繡、挑花、盤金、釘線10類，技法包括“平、齊、整、勻、順、密、滿、繁”8字[1]。相較于中國“四大名繡”的“蘇繡” “蜀繡” “湘繡” “粵繡”，風格更古樸率真，富有原始文化遺存，表現手法奇異多樣，托物言志、驅邪祈福，審美觀點獨特。2006年，凝結隴繡技藝精華的慶陽香包繡制，成為第一批國家級非物質文化遺產。目前刺繡制品傳承措施主要有書籍、視頻和傳承人開班授課等。非遺傳人的親身傳授傳承效果最好，但由于傳承人數量少，精力有限，覆蓋面局限在當地。圖片書籍視頻等非遺保存方式不能記錄針法信息，無法凸顯刺繡圖案和針法的精美。因此，對隴繡制品進行檢測識別，是運用數字化技術對甘肅非遺進行保護傳承的有效手段。雖然很多目標檢測算法都能夠滿足這個任務需要，但檢測效率包括在邊緣設備部署方面仍有很多改進的空間。因此文章利用數字化技術，將隴繡經典的5種針法進行取樣，結合深度學習建立針法信息庫[2]。在充分研究尺度不變特征轉換（Scale-invariant Fea?ture Transform，SIFT）算法的前提下，提出了一個改進的網絡模型SIFT-E，更高效地實現針法識別，為活化傳承慶陽非遺刺繡打好理論和實踐基礎。經實驗證明，改進后的網絡模型在精度相當的前提下具有更快的檢測性能。文章將結合SIFT的檢測機制介紹改進的網絡模型，進而具體說明完整的實驗情況。

1 圖像采集平臺搭建

1.1 硬件平臺構建

圖像處理硬件包括：工業相機、鏡頭、光源和機械固定架。選型適配USB接口，支持Windows10操作系統。

1.1.1 相機選擇與參數

文章選用海康威視MV-CE120-10UC機器視覺相機。成像、抗干擾、分辨率和反應速度均優于普通相機，其主要參數見表1。

1.1.2 光源

在獲取針法圖像時，由于拍照時間不同，自然光線有很大差異，導致拍攝的圖片清晰度不夠或局部不清晰，進而導致紋理細節丟失。因此，該研究使用人造光源補光，使得拍攝圖像紋理細節更加明顯。

1.1.3 PC平臺

利用個人電腦（PC）作為圖像處理平臺，對拍攝圖像進行圖像強化處理。

1.2 平臺搭建

（1）操作系統。考慮到常規及易使用等特性，文章選用Windows10操作系統。

（2）編程平臺。文章選用Python語言為算法編程。

1.3 建立針法數據集

1.3.1 隴繡針法樣本選定

隴繡針法在經歷長期演變過程中，目前共形成30多種固定技法。通過調研走訪甘肅慶陽香包繡制技藝代表性傳承人劉蘭芳老師，參考粘碧華的《傳統刺繡針法集萃》，最終確定平針、打籽、緝針、編針、纏針5種最常用到的基礎針法作為研究對象，見表2。

1.3.2 針法樣本收集

文章對選定的5種針法分別進行20 次刺繡，得到20張針法圖片。5種針法共計100個樣本照片。隨機尋找5位刺繡者制作刺繡圖片，一共500 張甘肅慶陽刺繡針法樣本圖樣。

為了使文章算法具有泛化特性，將收集的500張針法均勻打亂，分成2組：一組為樣本組，共350 張，圖片用于算法開發；二組為檢驗組，僅用于測試，共150張，用來驗證算法的準確性。

2 針法識別實驗過程

識別過程主要包括：圖像預處理、圖像濾波、特征提取、圖像分析及得出結果，如圖1所示。

2.1 圖像預處理

由于顏色信息對于針法識別影響不大，為提高效率，可先進行灰度化處理。并且通過濾波函數將原始采集的圖片進行降噪，但是需要保持圖像邊緣部分針法紋理信息。

2.1.1 灰度化處理

由于針法紋樣研究中無須考慮顏色信息，將圖片灰度化可以有效提高算法效率[3]。文章選擇加權平均法，將彩色圖中的各個通道分量根據不同的權值綜合分配，通過灰度化參數矩陣，見式（1），得到單通道的灰度圖。

2.1.2 濾波函數

由于設備和拍攝環境影響，導致圖像包含高斯噪聲影響算法運行，因此必須進行濾波[4]。文章選擇導向濾波降噪的同時盡量保證樣本邊緣信息完整，濾波效果如圖2所示。

2.2 特征提取算法改進

對圖像預處理降噪后即可進行特征點識別。針法屬于紋樣特征，由于手工繡制方法流程不同，導致沒有固定模板進行特征提取。因此，文章應用SIFT特征點提取算法，提取特征點[5]。算法流程如圖3所示。

2.2.1 SIFT算法

SIFT 算法基于高斯函數建立尺度變換函數，見式（2）。

式中：σ2為方差，通過不同的 σ 來獲取圖像，得到高斯金字塔。經過高斯模板進行卷積下采樣，得到式（3）。

利用上組圖像進行隔點采樣得到降采樣。每層的尺度值為式（4）。

式中：s表示當前第幾層，S表示每一組的層數，σ init 為初始尺度值。尺度值表達式為式（5）。

可知圖像的像素值變化，進而得到DoG 圖像中的極值點。DoG函數定義為式（6）。

式（6）定義了一個DoG 算子金字塔，如圖4所示。

特征點有3個參數：位置、尺度和方向。特征點由DoG圖像中的極值點構成，將某像素點的值與相鄰點對比，并與不同尺度下同一位置的點對比，將不穩定的邊緣響應點剔除，以確保得到的極值點在不同尺度下都是極值。利用極值點梯度的方向為極值點定義方向。將每張匹配圖的關鍵點與樣本圖相匹配，得出相似率。

2.2.2 改進的SIFT-E算法

導向濾波函數替換高斯尺度變換函數，實現模擬人眼識別效果[6]。導向濾波是邊緣保持濾波。假設導向圖M中的像素點（x，y）在很小范圍k內，與引入導向濾波之后的圖像O呈線性相關，見式（7）。

范圍 τ k 與濾波半徑相關，當濾波半徑r唯一，上式中的 θ k1 、 θ k2 在濾波半徑內唯一。式（7）等式兩邊分別求梯度可得式（8）。

用最小二乘法求解全局 θ k1 和 θ k2 ，得到式（9）。

λ 為濾波圖像與輸入圖像 I 的損失函數，用最小二乘法得到最小化 λ ，對式（9）等式兩邊求偏導得式（10）和表達式（11）。

結合式（10）和式（11），可得式（12）和式（13）。

對于式（12），令其參數滿足如下條件，見表達式（14）—（16）。

式中：η ik =ψ ik[M（i）-μ k]，引入導向濾波時M=I，式（16）中輸出O只與輸入I相關。用式（16）替換式（6）中的高斯尺度變換函數，可得式（17）。

2.2.3 特征點匹配結果

得到提取出的特征點如圖5所示。

改進后的SIFT-E算法提取出的特征點在刺繡邊緣區域有較大響應。分別匹配后的結果如圖6所示。

SIFT-E算法的匹配結果中錯誤點更少。對信息庫中所有搜集到的針法樣本進行逐一匹配，并將錯誤點去除，得到樣本匹配準確率。相較SIFT匹配率更高，平均提升17.52%，見表3。

3 結論

慶陽刺繡是甘肅人民在長期勞動實踐中創造的傳統手工藝制品，蘊含著甘肅的文化價值、思想價值和藝術價值，更是凝結了起源于黃河流域的中華民族的核心精神。對甘肅非遺技藝的數字化保護，有助于傳承與發展中華傳統文化與民族精神。通過對甘肅慶陽刺繡圖案與針法的數字化保護研究，可以為其他刺繡類非遺技藝研究提供參考。文章通過對甘肅慶陽刺繡常見的5種針法進行算法匹配，得到針法樣本庫；利用導向濾波函數對傳統 SIFT 算法進行改進，得到改進后 SIFT-E 算法對針法圖片中的關鍵信息點匹配率平均提升17.52%。

參考文獻：

[1]楊蕾，胡慧，周軍. 刺繡針法圖樣特征點提取及匹配方法研究[J]. 計算機應用研究，2021，38（7）：2231-2234+2240.

[2]Wang Y Y，Wang C，Zhang H，et al. Automatic ship detec?tion based on RetinaNet using multi- resolution Gaofen-3 imagery[J]. Remote Sensing，2019，11（5）：531.

[3]于淑俠，胡良梅，張駿，等. 基于金字塔式雙通道卷積神經網絡的深度圖像超分辨率重建[J]. 計算機應用研究，2020，37（8）：2541-2546.

[4]Gottlob G，Leone N，Scarcello F. A comparison of struc?tural CSP decomposition methods[J]. Artificial Intelli?gence，2000，124（2）：243-282.

[5]Bodla N，Singh B，Chellappa R，et al. Soft-NMS--improv?ing object detection with one line of code[C]//2017IEEE international conference on computer vision，2017：5562-5570.

[6]王澤霞，陳革，陳振中. 基于改進卷積神經網絡的化纖絲餅表面缺陷識別[J]. 紡織學報，2020，41（4）：39-44．

Research on Enhancement Algorithm of Gansu Qingyang Embroidery Needle Detection Based on SIFT

TIAN Huan

（Department of Modern Service， Lanzhou Vocational Technical College， Lanzhou Gansu 730070， China）

Abstract：：Qingyang embroidery in Gansu Province，originating from the Yellow River Basin，boasts intricate de?signs and diverse varieties，serving as an important carrier of characteristic culture in the eastern part of Gansu Prov?ince. The digital protection of Qingyang embroidery can be used as a powerful means for the inheritance and activa?tion of Chinese culture. However， due to embroidery patterns and stitches have complex edge structures and texture features with high repetition rates， region detection is a challenging task. In this paper， five classical stitches from Qingyang embroidery are selected and an image dataset for learning and training is established. An improved detec?tion network model SIFT-E was constructed through guided filtering to perform real-time detection of stitch pat?terns. Compared with SIFT， the improved method achieved a higher recognition matching rate， greatly enhancing the detection efficiency.

Key words：：Qingyang embroidery; convolutional neural network; guided filtering; SIFT