本发明属于建筑修复技术领域，尤其涉及一种基于bim构建传统建筑数字化保护与修复的信息平台。
背景技术：
中国自古地大物博，建筑艺术源远流长。不同地域和民族其建筑艺术风格等各有差异，但其传统建筑的组群布局、空间、结构、建筑材料及装饰艺术等方面却有着共同的特点，区别于西方，享誉全球。中国古代建筑的类型很多，主要有宫殿、坛庙、寺观、佛塔、民居和园林建筑等。然而，现有对传统建筑修复不精准，效果差；同时不能及时制作出微型模型进行展示。
在车牌识别系统中，从图像的输入到输出识别结果是一个复杂的图像处理的过程，一般由三个部分组成：车牌定位(车牌检测)、字符分割和字符识别。目前车牌定位方法多种多样,总的来说可以分为两大类:基于彩色图像处理技术的车辆牌照定位算法以及基于灰度图像处理技术的车辆牌照定位算法。
基于彩色图像处理技术主要利用车牌固有的颜色搭配进行定位分析:基于模糊训练和颜色边缘对分析的定位方法；利用hsv颜色模型进行分析,对输入的图像进行灰度等级分类,再结合数学形态学、字频统计方法判断车牌位置；基于车牌几何特征和纹理特征的车牌定位方法等。
灰度图像处理技术的定位算法所产生的时间较彩色图像处理技术的定位算法要早,此类算法的计算量较小,运算速度较快，绝大多数算法是以灰度图像二值化后的二值图像作为定位算法的基础。比如：最大类间方差方法(otsu法)、局部二值化的方法、基于纹理信息的二值化方法、niblack二值化算法以及基于各种特征的二值化算法(小波分解、文理特征、投影聚类等)。
图像的分辨率越高，提供的信息就越丰富。在各种各样的实际应用中，高分辨率图像都发挥着重要作用。高分辨率卫星图像有助于目标识别，交通及安全监控、模式识别等领域也需要高分辨率图像。由于受成像系统物理条件和天气影响，成像过程中往往存在运动模糊、下采样和噪声等退化过程，使得实际得到的图像分辨率低、质量差。要获得高分辨率图像，最直接的方法是采用高分辨率图像传感器，降低像素尺寸，提高单位面积的像素数量，但这种方法对图像传感器和光学器件的制造工艺和成本的要求很高，在很多场合中难以实现。图像超分辨重建技术可以从单帧或多帧低分辨率输入图像获得高分辨率图像，相比而言，使用超分辨重建技术成本更低，更容易实现。
目前，图像超分辨率重建技术可分为三类：基于插值、基于重建和基于学习的方法。
基于插值的方法是超分辨率研究中最直观的方法。常见的方法包括最近邻插值、双线性插值、双立方插值等。这类方法的优点是计算复杂度低，快速易行。但是引入的高频信息是基于预先假定的插值模板，当模板与实际情况不符时，可能导致重建图像质量不高。
基于重建的方法根据图像退化模型，结合图像先验知识构造相应的正则项以恢复丢失的高频信息。包括迭代反向投影方法、最大后验概率方法等。这类方法能在一定程度上缓解基于插值方法所产生的模糊效果。但当图像放大倍数较大时，重建效果通常也不太理想。
基于学习的方法是近年来超分辨率算法研究的热点方向。其基本思路是通过学习低分辨率图像和高分辨率图像之间的映射关系，将学好的映射关系用于低分辨率输入图像以获得高分辨率图像。chang等人在文献“changh,yeungdy,xiongy.super-resolutionthroughneighborembedding[c]//computervisionandpatternrecognition,2004.cvpr2004.proceedingsofthe2004ieeecomputersocietyconferenceon.ieee,2004,1:i-i.”中假设高、低分辨率图像块在各自特征空间具有相似的局部结构，将低分辨率空间的权值用于高分辨率空间，提出了基于邻域嵌入的图像超分辨重建方法。但是当放大倍数较大时，高、低分辨率图像块在各自特征空间形成的局部结构不再相似，导致重建质量的下降。另一方面，当选取的近邻数k变化时，重建质量波动较大，因此，近邻数k的选取是一个亟待解决的问题。为此，chan等人在文献“chantm,zhangj,puj,etal.neighborembeddingbasedsuper-resolutionalgorithmthroughedgedetectionandfeatureselection[j].patternrecognitionletters,2009,30(5):494-502.”中针对边缘检测和特征选择对邻域嵌入方法进行了改进，对边缘图像块和非边缘图像块进行不同的处理，同时对图像块选取了新的特征表示，从而提高了重建质量。然而，该方法依赖边缘检测，不正确的边缘检测会使结果图像中存在人工痕迹。
综上所述，现有技术存在的问题是：
现有对传统建筑修复不精准，效果差；同时不能及时制作出微型模型进行展示。
现有技术三维图像构建中，车牌方法存在检测率不高，受外界影响大，鲁棒性不强。
现有技术中，图像恢复需要更多的高频细节信息，不能提高重建图像的质量。
技术实现要素：
针对现有技术存在的问题，本发明提供了一种基于bim构建传统建筑数字化保护与修复的信息平台。
本发明是这样实现的，一种基于bim构建传统建筑数字化保护与修复的信息平台，包括：
图像采集模块，与中央控制模块连接，用于通过摄像器及三维扫描仪采集传统建筑图像信息；
图像采集模块图像采集包括：
第一步，构建高分辨率训练图像集
a)搜集多幅彩色高分辨率自然图像；
b)将高分辨率自然图像从红、绿、蓝rgb颜色空间转换到亮度、蓝色色度、红色色度ycbcr颜色空间；
c)收集所有亮度图像作为高分辨率训练图像集
第二步，输出高分辨率图像thr；
信息录入模块，与中央控制模块连接，用于录入传统建筑建造时间、文化背景、修复过程等信息进行录入；
中央控制模块，与图像采集模块、信息录入模块、三维建模模块、修复模块连接，用于调度各个模块正常工作；
三维建模模块，与中央控制模块连接，用于通过三维软件对采集的图像数据进行建立三维模型；具体包括：提取颜色特征和自适应lbp算子特征；进行多特征底秩矩阵表示模型；对模型分解以及求解，得到子模型；输出伪区域并得到最后准确的区域；校正，输出定位后的图像；
修复模块，与中央控制模块连接，用于通过计算机软件进行模拟计算出现建筑的完整形态；
进一步，提取自适应lbp算子特征算法的具体步骤包括：
1)将输入的图像转换成灰度图像，对图像{grayv(i,j)}像素灰度值求和，再获取平均值：
2)利用总的纹理特征去除背景，计算图像的像素灰度值与平均像素灰度值的差值的绝对值之和，求其平均值：
利用局部纹理特征去除背景，用3×3大小的滑动窗口，遍历图像，求取中心像素灰度值与周边像素灰度值之差，在每一个窗口图像内求取平均值：
3)拟合计算自适应阈值的方法：
多特征底秩矩阵表示模型：
s.t.xi＝xiai+ei,i＝1,…,k
其中α是大于0的系数，
迭代求解优化问题时，为固定其他变量求解ji得：
利用奇异值阈值求解；
输出伪区域并得到最后准确的区域，具体为：
根据输入图像比例留下每个子空间的外接矩阵即为疑似区域；
设置一个跳变函数f(i,j)，对疑似区域进行精确定位，确定图像区域的上下边界：
其中c(i,j)为
c(i,j)＝lbp8,1(i,j)-lbp8,1(i,j-1)
上两式中i＝1,2,3,4,…n,j＝2,3,4,…m，因此任意一行i的跳变次数和s(i)为：
如果任意一行跳变次数的和s(i≥12)，则这一行就有可能属于精确区域；由上至下对整幅图像进行扫描，找出所有满足s(i≥12)的行，并记录下这一行的行数i；如果有连续的h行满足s(i≥12)，则得到一个宽度为m，高度为h的矩形区域，这个区域就是准确区域。
进一步，所述基于bim构建传统建筑数字化保护与修复的信息平台还包括：
数据备份模块，与中央控制模块连接，用于通过备份服务器对修复的数据进行存储备份；
3d打印模块，与中央控制模块连接，用于通过3d打印机将修复的完整建筑进行打印；
显示模块，与中央控制模块连接，用于显示传统建筑的修复信息。
进一步，第二步，输出高分辨率图像thr，包括：
(a)对低分辨率输入图像块集xt中的每个图像块xtq,对应的高分辨率输出图像块由如下公式求得：
其中
(b)将所有得到的高分辨率图像块拼接起来，重叠区域像素取平均值，得到最终的高分辨率输出亮度图像
(c)将彩色图像的色变图像蓝色色度图像
进一步，所述修复模块修复方法如下：
首先，获取传统建筑的数字图像，然后对传统建筑的数字图像进行预处理；
然后，对预处理后的传统建筑数字图像利用基于编辑距离的残缺提取算法进行残缺标定，得掩码图像，然后根据掩码图像获得传统建筑中残缺的标记图；
最后，利用基于马尔科夫随机场匹配准则的criminisi修复算法对传统建筑中残缺的标记图进行数字修复，并生成修复后的传统建筑数字图像，然后显示修复后的传统建筑数字图像。
进一步，所述对传统建筑的数字图像进行预处理的过程为：
首先，计算传统建筑的数字图像中各像素点的权重；
然后，将各像素点的权重与对应的像素点进行点乘运算；
最后，再利用形态学中的腐蚀算法处理点乘运算的结果，凸显出传统建筑的数字图像中的残缺区域。
本发明的优点及积极效果为：
本发明通过修复模块可以更加精准的对建筑残缺部分，通过计算机技术进行修补，完整的展现建筑原貌；同时通过3d打印模块可以快速打印出现建筑微型模型，给工作人员提供更加直观的参考模型，提高修复效率。
本发明根据图像颜色和lbp特征算子，结合改进的lrr模型和形态学操作获得准确区域。使图像的多个特征相结合，能有效提高图像检测的鲁棒性和准确性，减少误检。
本发明提出一种自适应阀值的lbp算子，可以对复杂背景下的图像进行纹理分析，能提供更准确的特征信息。
本发明在训练阶段将临时低分辨率图像集
本发明在求重建系数时使用非负邻域嵌入方法，保证当近邻数k逐渐增大时，重建质量也逐渐提高并且趋于稳定，从而解决了近邻数k难以选取的问题。
附图说明
图1是本发明实施例提供的基于bim构建传统建筑数字化保护与修复的信息平台结构框图。
图中：1、图像采集模块；2、信息录入模块；3、中央控制模块；4、三维建模模块；5、修复模块；6、数据备份模块；7、3d打印模块；8、显示模块。
图2是本发明在仿真实验中使用的2幅高分辨率图像。
图3是使用本发明和现有四种方法对蝴蝶图像进行超分辨重建得到的图像。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明提供的基于bim构建传统建筑数字化保护与修复的信息平台包括：图像采集模块1、信息录入模块2、中央控制模块3、三维建模模块4、修复模块5、数据备份模块6、3d打印模块7、显示模块8。
图像采集模块1，与中央控制模块3连接，用于通过摄像器及三维扫描仪采集传统建筑图像信息；
信息录入模块2，与中央控制模块3连接，用于录入传统建筑建造时间、文化背景、修复过程等信息进行录入；
中央控制模块3，与图像采集模块1、信息录入模块2、三维建模模块4、修复模块5、数据备份模块6、3d打印模块7、显示模块8连接，用于调度各个模块正常工作；
三维建模模块4，与中央控制模块3连接，用于通过三维软件对采集的图像数据进行建立三维模型；
修复模块5，与中央控制模块3连接，用于通过计算机软件进行模拟计算出现建筑的完整形态；
数据备份模块6，与中央控制模块3连接，用于通过备份服务器对修复的数据进行存储备份；
3d打印模块7，与中央控制模块3连接，用于通过3d打印机将修复的完整建筑进行打印；
显示模块8，与中央控制模块3连接，用于显示传统建筑的修复信息。
本发明提供的修复模块5修复方法如下：
首先，获取传统建筑的数字图像，然后对传统建筑的数字图像进行预处理；
然后，对预处理后的传统建筑数字图像利用基于编辑距离的残缺提取算法进行残缺标定，得掩码图像，然后根据掩码图像获得传统建筑中残缺的标记图；
最后，利用基于马尔科夫随机场匹配准则的criminisi修复算法对传统建筑中残缺的标记图进行数字修复，并生成修复后的传统建筑数字图像，然后显示修复后的传统建筑数字图像。
本发明提供的对传统建筑的数字图像进行预处理的过程为：
首先，计算传统建筑的数字图像中各像素点的权重；
然后，将各像素点的权重与对应的像素点进行点乘运算；
最后，再利用形态学中的腐蚀算法处理点乘运算的结果，凸显出传统建筑的数字图像中的残缺区域。
本发明工作时，通过图像采集模块1采集传统建筑图像信息；通过信息录入模块2录入传统建筑建造时间、文化背景、修复过程等信息进行录入；中央控制模块3调度三维建模模块4通过三维软件对采集的图像数据进行建立三维模型；通过修复模块5利用计算机软件进行模拟计算出现建筑的完整形态；接着，通过数据备份模块6对修复的数据进行存储备份；然后，通过3d打印模块7将修复的完整建筑进行打印；最后，通过显示模块8显示传统建筑的修复信息。
下面结合具体分析对本发明作进一步描述。
图像采集模块图像采集包括：
第一步，构建高分辨率训练图像集
a)搜集多幅彩色高分辨率自然图像；
b)将高分辨率自然图像从红、绿、蓝rgb颜色空间转换到亮度、蓝色色度、红色色度ycbcr颜色空间；
c)收集所有亮度图像作为高分辨率训练图像集
第二步，输出高分辨率图像thr；
三维建模模块，与中央控制模块连接，用于通过三维软件对采集的图像数据进行建立三维模型；具体包括：提取颜色特征和自适应lbp算子特征；进行多特征底秩矩阵表示模型；对模型分解以及求解，得到子模型；输出伪区域并得到最后准确的区域；校正，输出定位后的图像；
修复模块，与中央控制模块连接，用于通过计算机软件进行模拟计算出现建筑的完整形态；
提取自适应lbp算子特征算法的具体步骤包括：
1)将输入的图像转换成灰度图像，对图像{grayv(i,j)}像素灰度值求和，再获取平均值：
2)利用总的纹理特征去除背景，计算图像的像素灰度值与平均像素灰度值的差值的绝对值之和，求其平均值：
利用局部纹理特征去除背景，用3×3大小的滑动窗口，遍历图像，求取中心像素灰度值与周边像素灰度值之差，在每一个窗口图像内求取平均值：
3)拟合计算自适应阈值的方法：
多特征底秩矩阵表示模型：
s.t.xi＝xiai+ei,i＝1,…,k
其中α是大于0的系数，
迭代求解优化问题时，为固定其他变量求解ji得：
利用奇异值阈值求解；
输出伪区域并得到最后准确的区域，具体为：
根据输入图像比例留下每个子空间的外接矩阵即为疑似区域；
设置一个跳变函数f(i,j)，对疑似区域进行精确定位，确定图像区域的上下边界：
其中c(i,j)为
c(i,j)＝lbp8,1(i,j)-lbp8,1(i,j-1)
上两式中i＝1,2,3,4,…n,j＝2,3,4,…m，因此任意一行i的跳变次数和s(i)为：
如果任意一行跳变次数的和s(i≥12)，则这一行就有可能属于精确区域；由上至下对整幅图像进行扫描，找出所有满足s(i≥12)的行，并记录下这一行的行数i；如果有连续的h行满足s(i≥12)，则得到一个宽度为m，高度为h的矩形区域，这个区域就是准确区域。
进一步，所述基于bim构建传统建筑数字化保护与修复的信息平台还包括：
数据备份模块，与中央控制模块连接，用于通过备份服务器对修复的数据进行存储备份；
3d打印模块，与中央控制模块连接，用于通过3d打印机将修复的完整建筑进行打印；
显示模块，与中央控制模块连接，用于显示传统建筑的修复信息。
第二步，输出高分辨率图像thr，包括：
(a)对低分辨率输入图像块集xt中的每个图像块xtq,对应的高分辨率输出图像块由如下公式求得：
其中
(b)将所有得到的高分辨率图像块拼接起来，重叠区域像素取平均值，得到最终的高分辨率输出亮度图像
(c)将彩色图像的色变图像蓝色色度图像
本发明的优点可以通过以下仿真实验进一步说明：
1.仿真条件：
cpu:intel(r)core(tm)i3，主频:2.93ghz，内存:2g，操作系统:win7，仿真平台:matlab2013b。
仿真图像选择图2所示的2幅原始高分辨测试图像，其中，图(a)为蝴蝶(butterfly)图像，图(b)为叶子(leaves)图像。
仿真实验中，利用本发明方法与现有的双立方插值方法(bi-cubicmethod)、ne-based方法、needfs方法和sc-based方法在测试图像上进行超分辨重建。
其中ne-based方法指文献“changh,yeungdy,xiongy.super-resolutionthroughneighborembedding[c]//computervisionandpatternrecognition,2004.cvpr2004.proceedingsofthe2004ieeecomputersocietyconferenceon.ieee,2004,1:i-i.”提出的方法；needfs方法指文献“chantm,zhangj,puj,etal.neighborembeddingbasedsuper-resolutionalgorithmthroughedgedetectionandfeatureselection[j].patternrecognitionletters,2009,30(5):494-502.”提出的方法；sc-based方法指文献“yangj,wrightj,huangts,etal.imagesuper-resolutionviasparserepresentation[j].imageprocessing,ieeetransactionson,2010,19(11):2861-2873.”提出的方法。
2.实验内容及结果分析：
实验一：验证本发明对自然图像有较好的重建效果。
将高分辨率butterfly彩色图像模糊、下采样3倍得到低分辨率butterfly彩色图像，利用本发明方法与现有的双立方插值方法(bi-cubicmethod)、ne-based方法、needfs方法和sc-based方法对低分辨率butterfly彩色图像进行超分辨重建。
结果如图3所示，其中图3(a)是双立方插值方法(bi-cubicmethod)超分辨的结果；图3(b)是ne-based方法超分辨的结果；图3(c)是needfs方法超分辨的结果；图3(d)是sc-based方法超分辨的结果；图3(e)是本发明超分辨的结果；图3(f)是原始高分辨率图像。每幅图像有两个局部放大的矩形区域以便于观察重建的效果差别。
从图3可见，本发明的结果中边缘清晰，纹理丰富，能有效减少人工痕迹，并减弱振铃效应，视觉效果自然。双立方插值方法(bi-cubicmethod)的结果边缘很模糊，且存在振铃效应；ne-based方法的结果中也有模糊现象，并存在人工痕迹；needfs方法的结果比ne-based方法好，但图片不自然；sc-based方法的结果有很强的振铃效应，视觉效果差，超分辨结果有待提高。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。