T/CPRA 3101.3-2025 文化资源数据与文化数字内容重构技术要求 第3部分：针法重构 ,该文件为pdf格式 ,请用户放心下载!
尊敬的用户你们好，你们的支持是我们前进的动力，网站收集的文件并免费分享都是不容易，如果你觉得本站不错的话，可以收藏并分享给你周围的朋友。
如果你觉得网站不错，找不到本网站，可以百度、360搜搜，搜狗, 神马搜索关键词“文档天下”，就可以找到本网站。也可以保存到浏览器书签里。
收费文件即表明收集不易，也是你们支持，信任本网站的理由！真心非常感谢大家一直以来的理解和支持！
5.1 针法重构输入数据要求
输入刺绣图像数据应满足以下要求：
a) 宜使用tif、jpg、png、bmp、gif 等格式图片；
b) 图像分辨率应大于256*256；
c) 应使用RGB 色彩模式存储的数据；
d) 应大于8 位或16 位色彩存储；
e) 图像应完整记录图案元素完整面貌、造型、结构，图像清晰，色彩均衡，文化元素透视无畸变，
准确、清晰；
f) 应具备基本的元数据。
5.2 数据预处理
5.2.1 数据噪声去除
刺绣图像噪声去除的技术要求如下：
a) 分析二维图像噪声源；
b) 支持各种类型的图像进行噪声去除；
c) 在图像噪声去除中原始图像的结构和色彩不应有变化。
5.2.2 二维图像光照平衡
a) 支持各种类型的图像缩放，并且尽可能不对原始图像内容做任何改变；
b) 尽可能从原图中消除光照不均匀的影响；
c) 光照均衡后图像满足各类测评。
5.3 预处理结果数据要求
图像预处理后应符合以下技术要求：
a) 图像干净，应使用相应的去噪算法对图像的噪点进行合理处理；
b) 信噪比SNR > 20；
c) 峰值信噪比PSNR > 30；
d) 均方误差MSE < 400，均方误差MSE < 400。
6 图案元素分解
6.1 刺绣图案分解
刺绣图案分解的技术要求如下：
a) 应分解为最小的刺绣图案元素；
b) 保护图案边缘性信息；
c) 分解后图案元素应有完整的语义。
6.2 元素特征提取
图案元素特征提取的技术要求如下：
T/CPRA 3101.3-2025
5
a) 应包含图案元素多层次特征；
b) 对图像质量波动保持鲁棒性；
c) 提取特征应涵盖刺绣图像整体风格。
7 针法重构
在针法重构过程中应满足的技术要求如下：
a) 应支持人机交互和自动化两种方式进行特定针法类型重构；
b) 应保证重构针法完全体现图案元素特征，重构结果应在预期的位置，颜色值不飘移；
c) 应确保重构后不同元素针法风格统一，过渡自然，体现集中式的和谐特征；
d) 应具有较强的鲁棒性，在重构过程中发生异常情况应具有应对措施，防止出现针法消失等情况。
8 重构结果评价
8.1 结果数据模型
针法重构数据模型，描述二维图像基础相关信息，具有的属性，如表1 所示：
表1 针法重构信息表
属性编号必选/可选属性名数据类型长度(字节) 解释
1 必选KeyId 字符串64 唯一标识符
2 必选Source 字符串64 来源
3 可选Type 枚举1 针法类型
4 可选DownloadURL 字符串1024 下载链接
5 可选PosterName 字符串256 发布者名称
7 可选PosterURL 字符串1024 发布者链接
8 可选ViewCount 整型4 浏览次数
9 可选DownloadCount 整型4 下载次数
10 可选VectorDisplay 整型4 重构浏览链接
11 可选FileSize 长整型8 重构大小（单位字节）
12 可选Description 字符串1024 描述信息
13 必选StoragePath 字符串1024 重构存储路径
8.2 针法重构结果质量要求
针法重构后所生成的图像应满足以下要求：
a) 主观评价分数> 90；
b) 信噪比SNR > 20；
c) 峰值信噪比PSNR > 30；
d) 均方误差MSE < 400；
e) 学习感知图像块相似度LPIPS < 0.35；
f) Frechet 起始点距离FID < 150。
8.3 针法重构评价
T/CPRA 3101.3-2025
6
8.3.1 主观评价
邀请大于等于15 位评价员，从以下角度对针法重构结果进行评价：
a） 针法合理性：生成刺绣图像针法与图案元素的符合程度；
b） 交互一致性：相同的语义，在不同的生成场景下，其生成的内容是否能保证是同一类；
c） 颜色一致性：生成的针法颜色与刺绣图像颜色相差不大，没有生成所采集彩色图像中不存在的
色彩；
d） 视觉真实性：生成图像的整体视觉感官是否一致，针法的纹理是否清晰，线迹方向是否真实；
e） 复杂程度：用户使用该重构方法生成图像时的交互量与生成难度；
f） 形式美法则：从统一与变化、对称与均衡、节奏与韵律、对比与调和这四个方面对生成图像的
艺术特色进行解读，判断生成图像的质量。
随后，评价员给出0 至100 分的评分分数，分值越高，代表重构结果越好。在所有评价员给出分
数后，去掉一个最高分和一个最低分，将剩余分数取平均值，得到主观评价分数。
8.3.2 客观评价
客观评估使用数学模型给出针法重构的量化值，客观评价作为评判主要指标，方法分别如下：
a） 信噪比SNR：表示图像中信号功率与噪声功率的比值，值越大则表示噪声越少，图像的质量越高。
如公式（1）所示，M和N分别是图像长度和宽度上的像素个数，g(i, j)和f(i, j)分别是原始图像和
去噪后的图像在点(i, j)处的灰度值。
SNR = 10 log10
输入刺绣图像数据应满足以下要求：
a) 宜使用tif、jpg、png、bmp、gif 等格式图片；
b) 图像分辨率应大于256*256；
c) 应使用RGB 色彩模式存储的数据；
d) 应大于8 位或16 位色彩存储；
e) 图像应完整记录图案元素完整面貌、造型、结构，图像清晰，色彩均衡，文化元素透视无畸变，
准确、清晰；
f) 应具备基本的元数据。
5.2 数据预处理
5.2.1 数据噪声去除
刺绣图像噪声去除的技术要求如下：
a) 分析二维图像噪声源；
b) 支持各种类型的图像进行噪声去除；
c) 在图像噪声去除中原始图像的结构和色彩不应有变化。
5.2.2 二维图像光照平衡
a) 支持各种类型的图像缩放，并且尽可能不对原始图像内容做任何改变；
b) 尽可能从原图中消除光照不均匀的影响；
c) 光照均衡后图像满足各类测评。
5.3 预处理结果数据要求
图像预处理后应符合以下技术要求：
a) 图像干净，应使用相应的去噪算法对图像的噪点进行合理处理；
b) 信噪比SNR > 20；
c) 峰值信噪比PSNR > 30；
d) 均方误差MSE < 400，均方误差MSE < 400。
6 图案元素分解
6.1 刺绣图案分解
刺绣图案分解的技术要求如下：
a) 应分解为最小的刺绣图案元素；
b) 保护图案边缘性信息；
c) 分解后图案元素应有完整的语义。
6.2 元素特征提取
图案元素特征提取的技术要求如下：
T/CPRA 3101.3-2025
5
a) 应包含图案元素多层次特征；
b) 对图像质量波动保持鲁棒性；
c) 提取特征应涵盖刺绣图像整体风格。
7 针法重构
在针法重构过程中应满足的技术要求如下：
a) 应支持人机交互和自动化两种方式进行特定针法类型重构；
b) 应保证重构针法完全体现图案元素特征，重构结果应在预期的位置，颜色值不飘移；
c) 应确保重构后不同元素针法风格统一，过渡自然，体现集中式的和谐特征；
d) 应具有较强的鲁棒性，在重构过程中发生异常情况应具有应对措施，防止出现针法消失等情况。
8 重构结果评价
8.1 结果数据模型
针法重构数据模型，描述二维图像基础相关信息，具有的属性，如表1 所示：
表1 针法重构信息表
属性编号必选/可选属性名数据类型长度(字节) 解释
1 必选KeyId 字符串64 唯一标识符
2 必选Source 字符串64 来源
3 可选Type 枚举1 针法类型
4 可选DownloadURL 字符串1024 下载链接
5 可选PosterName 字符串256 发布者名称
7 可选PosterURL 字符串1024 发布者链接
8 可选ViewCount 整型4 浏览次数
9 可选DownloadCount 整型4 下载次数
10 可选VectorDisplay 整型4 重构浏览链接
11 可选FileSize 长整型8 重构大小（单位字节）
12 可选Description 字符串1024 描述信息
13 必选StoragePath 字符串1024 重构存储路径
8.2 针法重构结果质量要求
针法重构后所生成的图像应满足以下要求：
a) 主观评价分数> 90；
b) 信噪比SNR > 20；
c) 峰值信噪比PSNR > 30；
d) 均方误差MSE < 400；
e) 学习感知图像块相似度LPIPS < 0.35；
f) Frechet 起始点距离FID < 150。
8.3 针法重构评价
T/CPRA 3101.3-2025
6
8.3.1 主观评价
邀请大于等于15 位评价员，从以下角度对针法重构结果进行评价：
a） 针法合理性：生成刺绣图像针法与图案元素的符合程度；
b） 交互一致性：相同的语义，在不同的生成场景下，其生成的内容是否能保证是同一类；
c） 颜色一致性：生成的针法颜色与刺绣图像颜色相差不大，没有生成所采集彩色图像中不存在的
色彩；
d） 视觉真实性：生成图像的整体视觉感官是否一致，针法的纹理是否清晰，线迹方向是否真实；
e） 复杂程度：用户使用该重构方法生成图像时的交互量与生成难度；
f） 形式美法则：从统一与变化、对称与均衡、节奏与韵律、对比与调和这四个方面对生成图像的
艺术特色进行解读，判断生成图像的质量。
随后，评价员给出0 至100 分的评分分数，分值越高，代表重构结果越好。在所有评价员给出分
数后，去掉一个最高分和一个最低分，将剩余分数取平均值，得到主观评价分数。
8.3.2 客观评价
客观评估使用数学模型给出针法重构的量化值，客观评价作为评判主要指标，方法分别如下：
a） 信噪比SNR：表示图像中信号功率与噪声功率的比值，值越大则表示噪声越少，图像的质量越高。
如公式（1）所示，M和N分别是图像长度和宽度上的像素个数，g(i, j)和f(i, j)分别是原始图像和
去噪后的图像在点(i, j)处的灰度值。
SNR = 10 log10
评论