中国画特征提取及分类识别算法研究

《中国画特征提取及分类识别算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西安建筑科技大学硕士学位论文中国画特征提取及分类识别算法研究专业：信号与信息处理硕士生：王静指导教师：王民教授摘要中国画是国粹，是我国古代绘画艺术的结晶，随着时代的发展，国画已经变成一种中国独有的绘画艺术。目前对于国画分类识别的研究大多都是基于国画图像的纹理特征，首先将原始国画图像转换成灰度图像，再进行特征提取，但是在进行灰度转换的过程中一定会损失不少信息，难免会影响到特征提取及分类识别的准确性。对于国画颜色特征提取的研究目前较少，而且现有的颜色特征提取算法基本都是基于单一的色彩空间，常常忽略图像的空间特征。本文的主要研究集中于国画图像

2、的特征提取，重点针对国画的纹理特征和颜色特征的提取算法进行了深入研究。本论文的主要贡献如下。1）针对国画图像的纹理特征提取，提出了一种直接针对原始图像进行纹理特征提取的方法。简化了图像灰度转换这一环节，最大程度的保留了原始国画图像中所包含的信息。该算法运用多色域分析和多尺度分析的思想，结合传统的灰度共生矩阵提取纹理特征。实验表明多尺度灰度共生矩阵算法优于传统的灰度共生矩阵算法和彩色灰度共生矩阵算法。2）选取HIS、HSV和YUV三个色彩空间，结合各自存在的优势提出一种混合色彩空间。利用该混合色彩空间结合一种新的分块方式，弥补了颜色矩在特

3、征提取过程中对于图像空间信息的缺失。最后结合灰度共生矩阵算法对该算法进行了实验验证，实验证明，混合色彩空间分块颜色特征提取算法优于单一色彩空间颜色特征提取算法。3）对于国画数据库的分类需求一般分为两种，根据题材分类和根据作者分类。本文针对这两种分类需求分别进行了相关的实验，融合多尺度灰度共生矩阵纹理特征和分块混合色彩空间颜色特征构成综合特征向量，并利用该综合向量实现对国画图像的分类识别，实验表明了本文所提出的两种算法在国画分类识别过程中的有效性。西安建筑科技大学硕士学位论文关键词：多尺度分析；轮廓波变换；灰度共生矩阵；颜色矩；混合色彩空

4、间；分块特征提取本课题得到国家自然科学基金（61373112）、住房和城乡建设部科学技术项目计划（2016-R2-045）与陕西省自然科学研究面上项目（2014JM8343）的资助。西安建筑科技大学硕士学位论文ResearchonChinesePaintingFeatureExtractionandClassificationRecognitionAlgorithmSpecialty:SignalandInformationProcessingGraduate:WangJingInstructor:Prof.WangMinAbstrac

5、tChinesepaintingisthequintessenceofthenationandcrystallizationofancientChinesepaintingart.Withthedevelopmentofthetimes,ChinesepaintinghasbecomeakindofuniqueChinesepaintingart.Atpresent,mostresearchesonclassificationandidentificationoftraditionalChinesepaintingsarebasedon

6、thetexturefeaturesofChinesepaintingimages.First,theoriginalChinesepaintingimagesareconvertedtograyscaleimages,andthenextractthetexturefeatureofimages.However,certaininformationincludedinimageswillbelostduringtheprocessofthegrayscaleconversion.Thiswillaffecttheaccuracyoff

7、eatureextractionandclassificationrecognition.TherearefewresearchesontheextractionofChinesepainting'scolorfeatures.Theexistingcolorfeatureextractionalgorithmsarebasicallybasedonasolecolorspace,andoftenignoringthespatialcharacteristicsoftheimage.Themainresearchofthispaperf

8、ocusesontheextractionoftexturefeaturesandcolorfeaturesofChinesepainting.Themaincontributionsofthispaper