中國(guó)傳統(tǒng)水墨畫的計(jì)算機(jī)分類與算法研究

1、 中國(guó)傳統(tǒng)水墨畫的 計(jì)算機(jī)分類與算法研究 中國(guó)傳統(tǒng)水墨畫的 計(jì)算機(jī)分類與算法研究 Computerized Learning and Classification of Traditional Chinese IWPs (Ink and Wash Paintings) Computerized Learning and Classification of Traditional Chinese IWPs (Ink and Wash Pa

2、intings) 一級(jí)學(xué)科：計(jì)算機(jī)科學(xué)與技術(shù) 學(xué)科專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù) 作者姓名： 盛家川 指導(dǎo)教師： 趙政 教授 天津大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 二零一三年五月 中文摘要 中文摘要 隨著互聯(lián)網(wǎng)的發(fā)展，越來越多的水墨畫出現(xiàn)在網(wǎng)絡(luò)中。如何方便的檢索和分類水墨畫成為近年來科學(xué)研究的熱點(diǎn)。 由于中國(guó)畫不同于西方的藝術(shù)， 其形成借助于毛筆、墨汁、水和色彩。墨色的濃淡變化完全可由筆道的灰度變化來表達(dá)。且中國(guó)畫通常是以筆畫勾出輪廓、質(zhì)感、體積來代表某

3、位藝術(shù)家的風(fēng)格，主要是以線為造型基礎(chǔ)， 而西方畫強(qiáng)調(diào)用光表現(xiàn)物體神態(tài)活現(xiàn)。 這就使中西繪畫在造型手段上有明顯分別。 因此， 一些已有的針對(duì)西方畫的研究不能直接用于水墨畫的分析。此外，由于水墨畫不用色或少用色，大多沒有豐富的色彩表現(xiàn)，故一些已有的基于顏色的特征提取和分類算法，也不適合水墨畫的研究。 本文在學(xué)習(xí)國(guó)內(nèi)外前沿研究成果的基礎(chǔ)上，對(duì)圖像藝術(shù)風(fēng)格分類中的一些關(guān)鍵技術(shù)和主要算法做了深入的研究， 提出了適用于水墨畫藝術(shù)風(fēng)格分類的理論和技術(shù)

4、框架，其思想和方法在設(shè)計(jì)開發(fā)的水墨畫圖像分類系統(tǒng)中得到了體現(xiàn)。 首先在像素域內(nèi)，提出一種基于直方圖的水墨畫整體風(fēng)格特征提取算法，然后基于 Sobel 邊緣檢測(cè)方法定位最具有筆道風(fēng)格代表性的局部區(qū)域， 以獲得描述筆畫的局部細(xì)節(jié)風(fēng)格信息。 為了兼顧水墨畫的整體和局部藝術(shù)風(fēng)格， 提出基于信息熵的融合算法， 該算法被視為一個(gè)指針， 保證了最終的分類結(jié)果傾向于選取熵最小的藝術(shù)風(fēng)格特征， 以達(dá)到最大限度基于藝術(shù)風(fēng)格而剔除內(nèi)容因素影響的水墨畫自動(dòng)分類

5、。 其次在小波域內(nèi)，提出一種利用三層小波變換來提取圖像藝術(shù)風(fēng)格特征的算法。 與目前現(xiàn)有的工作相比， 該算法具有在變換域內(nèi)利用不同分辨率及頻帶的圖像結(jié)構(gòu)所展現(xiàn)的藝術(shù)風(fēng)格的不同表現(xiàn)形式， 來獲得有關(guān)水墨畫藝術(shù)深度信息的優(yōu)點(diǎn)。從而能夠在分類不同的畫家所表現(xiàn)出來的風(fēng)格迥異時(shí)，取得一定的優(yōu)勢(shì)。與此同時(shí)， 該部分的研究工作也為不同信號(hào)域內(nèi)對(duì)水墨畫的藝術(shù)風(fēng)格分析， 提供了第一手資料，為進(jìn)一步在壓縮域內(nèi)作直接的水墨畫分析，鋪平了道路。 最后在引入一類支

6、持向量機(jī)的基礎(chǔ)上，進(jìn)一步提出自適應(yīng)選取決策參數(shù)的新概念， 將一類支持向量機(jī)作進(jìn)一步的改造， 構(gòu)成并行處理的多元支持向量機(jī)結(jié)構(gòu)。利用它們?cè)跈z測(cè)“噪聲點(diǎn)” （outlier）的優(yōu)勢(shì)上加入指導(dǎo)性學(xué)習(xí)的元素，使其分類效果達(dá)到最佳。同時(shí)，還基于統(tǒng)計(jì)特征引入一種增強(qiáng)性的學(xué)習(xí)方案，通過與用戶的互動(dòng)選擇和糾正誤判的辦法， 使所設(shè)計(jì)的并行支持向量機(jī)能夠取得最優(yōu)的分類效果。從而為針對(duì)水墨畫的藝術(shù)特性，如落筆收筆的繪畫技巧等，所提出的一系列新的圖像特征準(zhǔn)備了