基于记忆学习模型的传统模式分割算法

《Journal on Computing and Cultural Heritage》：Traditional Patterns Segmentation Algorithm Based on Memory Learning Model

基于记忆学习模型的传统图案分割算法研究，提出融合相位谱-幅度谱特征的多尺度匹配方法，有效解决低标注数据下的复杂纹理分割难题。

　　

摘要

中华民族历经数千年培育出的丰富而持久的文化传统，是中国遗产的核心与精髓。在这幅复杂的文化画卷中，传统图案占据了重要且受人尊崇的地位。这些图案不仅反映了古代中国文明的美学价值观和艺术成就，还承载着深厚的文化和历史意义。然而，由于标注数据的有限性、图案变化的复杂性以及材料纹理的干扰，传统图案的分割与识别面临着诸多挑战。为应对这些挑战，本文提出了一种基于记忆学习模型的传统图案分割算法。该算法以记忆学习模型作为指导原则，利用相关领域的先验知识，使得算法能够在标注数据有限的情况下有效进行泛化。该算法包含两个关键组成部分：显著性先验模块和多尺度特征匹配模块。显著性先验模块利用相位谱信息生成显著性图，引导模型关注边缘和轮廓等高频特征；多尺度特征匹配模块则在不同尺度上捕获特征，从而提升分割的鲁棒性和准确性。我们通过引入相位谱-振幅谱融合算法构建了一个传统图案数据集，增强了模型对相位一致性信息的处理能力。在传统图案数据集上的实验结果表明，所提出的算法优于现有最先进的方法，展现了其在处理复杂多样图案分割任务时的卓越性能和鲁棒性。