基于风格特征的中国书法真伪鉴别研究

《基于风格特征的中国书法真伪鉴别研究》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、＞分类号学号１３０８２４０６６３而妥達疑种接大緣、＇？＂，１Ｉ．；．＜．Ｊ学位论文＾ｒ？？．１．．泉于风格特化的中国书法真伪卷别巧寐＾＊＼￣￣＾＊￣＊＊■＊＊＾■＇一？ｔ＇‘巧＞？？－．；－．、．一，＂．１．ｙ．■■作者赵瑞丽－■、．．＇＇■＾搞导教师姓名王民教授；＃申请学位级别硕壬专业名称信号与信息处理Ｖ、：，，论文提交日期论文答辩日期

2、学位授予单位Ａ妥連叛种我夫＃／；ｙ、’？■－答辩委贵会主席＾１；‘评阅Ａ＾—７＇１Ｖ；！‘、＇＇入．ｉ‘．＇．，－｜奇＇＇‘．－＇Ｉ■＇■■ｉ；■識ｉ啤．＾－，ｔ一声明本人郑重声明我所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中己经标明引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的硏巧成果，也不包含本人或其他人在其它单位已申请学位或为其它用途使

3、用过的成果一ａ。与我同工作的同志对本研究所做的所有贡献均己在论文中作了！确的说明并表示了致挪。一申请学位论文与资料若有不实么处，本人承担切相关责任。论文作者签名：曰期：必（Ｔ关于学位论义使用披顿的说明］；学校有权保留本人完全了解西安建筑科技大学有关保留、使用学位论文的规定，目Ｉ并可向国家有关部口或机构送交学位论文的复印件和电子版，允许论文被查阅和借阅；学校凶公布学位论文的全部或部分内容，可＾＾＾采用影印、缩印或者其它复制手段保存学位论文。（保密的论文在论文解密后

4、应遵守此规定）论文作者签名：奚指导教师签名；日期本人授权中＂国学术巧刊（光兹＂版之）杂志社、中国科学技术信息研究所等单位将本学位论文收录到有关学位论文数据库中，并通过网络向社会公众提供信息服务。一因某种特殊原因需要延迟发布学位论文电子版，同意巧□年／□两年／ＰＨ年Ｗ后，在网络上全文发布。（此声明化不勾选的，默认为即时公开）论－文作者签名：指导教师签名：Ｉ：日期：自．自ｉ／ｘ．．．．．．．＼■？．？．．■．？

5、？．．？．．：．．．．．西安建筑科技大学硕士学位论文基于风格特征的中国书法真伪鉴别研究专业：信号与信息处理硕士生：赵瑞丽指导教师：王民教授摘要对中国书法作品进行基于图像特征提取的真伪鉴别研究，对于保护和发扬中国传统艺术文化有深远的意义，并且有助于计算机在艺术领域的发展和推广。目前，在艺术领域的书法鉴定主要依靠书法鉴定家通过主观经验来完成，然而对于大数据量的书法作品的真伪鉴别仅仅靠人的经验难以实现，那么如何通过计算机为书法作品的真伪鉴别提供有效的评判标准成为了重点研究内容。本文从原

6、始作品获取、书法字预处理、笔画基元提取、个性风格特征提取、真伪鉴别五个方面对书法作品依次处理，最终给出该书法作品为真迹的概率。针对传统骨架提取算法产生的骨架毛刺较多、交叉处易产生畸变的问题，提出一种书法字骨架提取新方法。在基于形状分解思想的基础上，将书法字骨架提取转化成一个分步的问题：采用K-均值聚类算法分割书法字图像；并提出一种适用于书法字特征的以四邻域像素点距离为聚类中心的增量聚类算法提取书法字的部件骨架；最后基于字的拓扑结构连接部件骨架形成完整的骨架。书法家在多年的书写创作过程中都会形成个人独特

7、的书写风格，并且这些特点在短时间内是稳定不变的，这是由每个人不同的书写习惯所造成的。利用这个特性，按照不同的规则从书法家的笔画级和结构级特征提取出能够表现书法家书写风格的多个特征点，然后针对每个特征点运用高斯分布模型，对书法家的特征点进行选择和权重估计，并构造个性风格特征向量，建立书法家的风格特征模型用于真迹的鉴别。在特征匹配阶段，在对经典的非特征匹配算法Fourier-Mellin变换方法的研究基础上，提出了一种基于图像几何特征和频域相关的复合匹配算法进行特征匹配以便于进行下一步的相似度计算。使用每

8、个风格特征向量特有的诊断函数进行鉴别，得出每个特征点为真迹的概率并计算待判定的作品为真迹的概率。最终以西安建筑科技大学硕士学位论文VisualStudio2010为平台进行系统实现。关键词：书法字图像；骨架提取；风格特征；复合匹配；真伪鉴别西安建筑科技大学硕士学位论文ThestudyforChinesecalligraphyidentificationbasedontheStylecharacteristicSpecialty:SignalandInfo