Автоматическая реконструкция фрагментов древних артефактов представляет большой интерес для археологии.
Это считается важным, потому что помогает археологам получить доступ к выводам о прошлых культурах и цивилизациях Христова и Согласия.
Хотя для восстановления археологических фрагментов керамики были предложены различные алгоритмы, лишь в немногих исследованиях фрагменты, найденные на археологических объектах, были классифицированы по аналогичным группам Макридис и Дарас.
Одной из главных задач является реконструкция археологических объектов из большого количества фрагментов, обнаруженных в местах раскопок Гуогуанг и др., и определение правильного соответствия между ними Гуогуанг и др.
Иногда археологи страдают при попытке сопоставить фрагменты объекта вместе, особенно в случае наличия значительных пробелов в фрагментах. Так, в многочисленных исследованиях предлагаются методы, направленные на поиск подходящего решения для реконструкции археологических 3D-объектов и их возвращения в первоначальные формы, такие как Беленгер и Видаль.
Материалы и методы.
Предлагаемая учеными методология состоит из двух этапов, каждый из которых выполняет определенную работу.
Структура системы состоит из двух частей: Классификация древних фрагментов (КОФ) и Реконструкция древних объектов (РАО).
Каждая структура состоит из набора процедур, как показано на следующих этапах:
- стандартное получение изображений с веб-сайта.
- сегментация объектов.
- выделение признаков в зависимости от цвета и текстуры поверхностей фрагментов, а также глобулы и локальных признаков.
- разделить фрагменты на группы.
Если они не являются частью коллекции, они должны быть возвращены в набор данных для повторного ввода в атмосферу, с тем чтобы их можно было сгруппировать с другими частями. Однако в случае, если все части образовали группу, они переходят к следующему этапу, который заключается в преобразовании группы в единый объект.
Второй этап включает в себя:
- Получение 3D модели и применение процедуры предварительной обработки для устранения шумов, возникающих в результате сканирования объекта, а затем вычисление геометрических характеристик после извлечения контура каждой детали и разделения на подмножества.
- Определение части, которая будет совпадать с парой фрагментов, используя Нейронную сеть.
- Выравнивание предлагаемых фрагментов 3D-изображений и их сопоставление с помощью предлагаемого нового метода. Если объект не заполнен полностью, его следует вернуть в набор данных. В противном случае процедура завершена, и объект был получен полностью.
Выводы.
Вот три замечательных момента для подведения итогов о преимуществах такой работы: Во-первых, это замена ручной классификации фрагментов и автоматизация задачи классификации фрагментов на группы, предлагая методы, которые зависят от характеристик цвета и текстуры.
Во-вторых, точная реконструкция объекта до его первоначального вида, несмотря на наличие щелей, позволяет избежать дальнейшего повреждения краев древних фрагментов.
В-третьих, использование системы, которая зависит от геометрических характеристик для поиска соответствия случайным фрагментам, в свою очередь, будет способствовать сокращению людских ресурсов, необходимых для выполнения этой задачи. Был принят ряд методов для классификации археологических керамических фрагментов являются цвет и текстура поверхности информации о фрагментах, а также был предложен подход к реконструкции сломанных 3D керамических объектов.
Таким образом, задача данного метода заключалась в том, чтобы избежать зазоров, которые возникают из-за отсутствия некоторых фрагментов, данная работа показала, что функция склона подходит для определения наилучшего расположения соответствующих пар фрагментов.
Таким образом, при оценке первого метода оценки точности достигается значение 96,1% для классификации фрагментов на аналогичные группы. Кроме того, геометрические особенности, особенно наклон подконтура с алгоритмом нейросетей, обеспечили хорошую точность при реконструкции оригинальных 3D объектов. Где он способен с высокой эффективностью собирать фрагменты.
Стоит отметить, что наиболее сложным является создание алгоритма, предоставляющего решение для выравнивания объектов по их краям и реконструкции объектов без предварительного знания того, с какой части следует начинать сборку.
Для дальнейшего совершенствования, разработанного и модифицированного для надежной схемы CRAF, мы должны опираться на углы в качестве дополнительных элементов.
