面向壁畫的圖像分類及藝術(shù)形象定位技術(shù)研究.pdf

1、中國古代壁畫是中國藝術(shù)史上的一朵奇葩，其豐富多彩的內(nèi)容，記錄著各個時代的宗教信仰、社會風(fēng)貌、民俗生活等，具有重要的研究價值。隨著數(shù)字化技術(shù)的發(fā)展和廣泛應(yīng)用，壁畫圖像逐步實現(xiàn)了數(shù)字化，使得利用計算機幫助研究者分析和研究壁畫圖像成為可能。壁畫圖像數(shù)量豐富，規(guī)模極大，為藝術(shù)研究者提供了豐富的研究資料和素材，但與此同時，如何有效地利用海量的壁畫資料成為一個難題。其中，如何利用計算機對海量的壁畫圖像資料進行分類，以及如何從海量壁畫圖像資料中搜索得

2、到所需要的某一類藝術(shù)形象成為一個急需解決的問題。該問題的解決可以避免大量的人力消耗，能夠極大地提高研究效率，具有重要的意義。
　　本文面向目前研究者所面臨的需求，研究壁畫圖像分類技術(shù)以及壁畫圖像中藝術(shù)形象的定位技術(shù)，輔助研究者能夠方便的從海量壁畫資料里找到所需要的研究素材。不同于一般的自然圖像，壁畫圖像是人工作品，是由能夠表達藝術(shù)家繪畫風(fēng)格的線描組成，線描之間的組合關(guān)系構(gòu)成了壁畫圖像的高層語義。而傳統(tǒng)的圖像分類和目標(biāo)定位技術(shù)沒有考

3、慮到線描之間的組合這一重要的語義特征，因此在壁畫圖像分類和藝術(shù)形象定位上并不能很好的適用。此外，壁畫圖像具有較大的類內(nèi)差異以及較強的背景噪音，傳統(tǒng)方法在壁畫圖像分類以及藝術(shù)形象定位上會出現(xiàn)較大的誤差。
　　本文主要針對以上問題展開研究，主要研究內(nèi)容和創(chuàng)新包括:
　　(1)提出了一種基于輪廓局部的特征構(gòu)建方法，并用于壁畫圖像分類以及壁畫藝術(shù)形象的定位。針對壁畫圖像是由各種風(fēng)格的線描組成的特點，在研究了大量壁畫圖像的線描圖結(jié)構(gòu)的

4、基礎(chǔ)上，提出首先將線描圖分割為最小的輪廓線段基本單元，然后對每一條輪廓線段構(gòu)造特征描述符作為局部特征，局部特征融合了輪廓線段的長度、方向以及與周圍鄰居輪廓線段的關(guān)系信息，具有較高的魯棒性。在表達整幅圖像的特征時，首先對所有輪廓局部特征進行編碼，然后采用在空間金字塔結(jié)構(gòu)上的池化技術(shù)來實現(xiàn)，最后使用支持向量機實現(xiàn)壁畫圖像分類。在藝術(shù)形象定位方面，使用分支定界的搜索方式實現(xiàn)目標(biāo)定位。與目前主流的基于梯度的局部特征(SIFT,HOG)相比，本文

5、提出的基于輪廓的局部特征在對線條豐富的圖像分類上具有明顯的優(yōu)勢，并且是對基于梯度的局部特征的補充，實驗證明兩種特征的結(jié)合能夠達到目前最好的分類精度以及定位結(jié)果。
　　(2)提出一種基于輪廓結(jié)構(gòu)的壁畫圖像分類以及藝術(shù)形象定位方法。特定的藝術(shù)形象，特定的圖案具有特定的輪廓結(jié)構(gòu)，一個藝術(shù)形象的所有輪廓結(jié)構(gòu)組合才能構(gòu)成該藝術(shù)形象的語義，因此輪廓結(jié)構(gòu)展現(xiàn)了壁畫圖像更高層的語義屬性。本文提出了輪廓結(jié)構(gòu)的概念并提出了輪廓結(jié)構(gòu)間的相似性度量方法，

6、并將壁畫圖像間的相似性度量轉(zhuǎn)化為圖像的整體輪廓結(jié)構(gòu)間的相似性度量，然后利用這種新的度量方法結(jié)合主流的分類器模型實現(xiàn)壁畫圖像的分類。在藝術(shù)形象定位方面，首先檢測圖像的具有辨識力的輪廓結(jié)構(gòu)，然后利用輪廓結(jié)構(gòu)的最優(yōu)組合關(guān)系實現(xiàn)藝術(shù)形象定位。輪廓結(jié)構(gòu)更接近圖像的高層語義，可以實現(xiàn)更加準(zhǔn)確的圖像或者目標(biāo)藝術(shù)形象間的相似性度量，實驗證明了本文方法對基于藝術(shù)形象為題材的壁畫圖像分類以及目標(biāo)定位具有更好的效果。
　　(3)提出了基于分組多實例學(xué)習(xí)

7、的壁畫圖像分類方法。通過對大量壁畫圖像的研究以及實驗，發(fā)現(xiàn)很多情況下同類壁畫樣本存在較大的類內(nèi)差異。當(dāng)很難提出一種新的特征使得在這個特征空間中同類壁畫保持相似的時候，本文從分類模型的角度提出一種分組的方式，將訓(xùn)練樣本在某一特征空間分為幾組，每一組單獨的去訓(xùn)練分類器，這樣能夠減少采用統(tǒng)一分類器所產(chǎn)生的錯誤分類。另一方面，針對有些壁畫圖像存在較大背景噪音的特點，采用多實例學(xué)習(xí)的模式去從一幅圖像中尋找最具代表性的子圖像，用子圖像的特征去訓(xùn)練分

8、類器，多實例學(xué)習(xí)的方式能夠較大程度的克服背景噪音對分類造成的影響。同時，多實例學(xué)習(xí)的過程是圖像分類與目標(biāo)定位的相互迭代過程，每一輪迭代的圖像分類結(jié)果會影響目標(biāo)定位結(jié)果，同時目標(biāo)定位得到的子圖像會作為下一輪分類器的訓(xùn)練樣本，因此本文分組多實例學(xué)習(xí)的方法同時實現(xiàn)了壁畫圖像的分類以及藝術(shù)形象的定位。實驗證明分組多實例學(xué)習(xí)的方式在針對壁畫圖像的分類以及藝術(shù)形象的定位方面在相同的圖像特征描述下勝過目前主流的方法。
　　對于藝術(shù)研究而言，本文