基于风格特征的中国书法真伪鉴别研究

发布时间：2017-09-28 18:27

  本文关键词：基于风格特征的中国书法真伪鉴别研究

  更多相关文章： 书法字图像 骨架提取 风格特征 复合匹配 真伪鉴别

【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Visual Studio 2010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
【学位授予单位】：西安建筑科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：J292.1;TP391.41
【目录】：

• 摘要3-5
• Abstract5-10
• 1.绪论10-14
• 1.1 课题研究背景及意义10-11
• 1.2 国内外研究现状及内容11-13
• 1.3 研究内容和章节安排13-14
• 2.书法作品预处理14-22
• 2.1 引言14
• 2.2 数据获取14
• 2.3 原始图像二值化14-15
• 2.4 去除背景噪声15-16
• 2.5 平滑16-17
• 2.6 切分书法字17-20
• 2.6.1 初步切分17-19
• 2.6.2 剔除噪声19-20
• 2.6.3 特殊部分切分20
• 2.7 归一化20-21
• 2.8 本章小结21-22
• 3.书法风格特征的提取22-39
• 3.1 引言22-23
• 3.2 骨架提取23-29
• 3.2.1 形状分解24-25
• 3.2.2 部件骨架的提取25-27
• 3.2.3 整体骨架的生成27
• 3.2.4 实验结果分析27-29
• 3.3 笔画提取29-30
• 3.4 书法字笔画形态特征30-36
• 3.4.1 笔画熵31
• 3.4.2 笔压31-32
• 3.4.3 斜率和曲度32-33
• 3.4.4 仰角及扰度33-34
• 3.4.5 抖动及曲势34-35
• 3.4.6 小笔段间特征的提取35-36
• 3.5 书法字结体形态特征36-38
• 3.5.1 结体形状37
• 3.5.2 重心位置37
• 3.5.3 几何矩分布37-38
• 3.5.4 墨迹分布比38
• 3.6 本章小结38-39
• 4.计算机辅助书法作品真伪鉴别研究39-50
• 4.1 引言39
• 4.2 鉴别流程39-41
• 4.3 个性风格权重41
• 4.3.1 个性风格模型的建立41
• 4.3.2 个性风格特征向量41
• 4.4 真迹模型构造41-45
• 4.4.1 数据的获取42
• 4.4.2 风格特征的选取42-43
• 4.4.3 特征权重的估计43-44
• 4.4.4 比例增量训练44-45
• 4.5 真伪鉴别45-49
• 4.5.1 特征诊断匹配45-47
• 4.5.2 Takagi-Sugeno塑模法47-48
• 4.5.3 判定函数48-49
• 4.6 本章小结49-50
• 5.系统构造与实验数据分析50-56
• 5.1 系统框架50
• 5.2 建立数据库50
• 5.3 系统界面展示50-52
• 5.4 实验数据分析52-54
• 5.5 本章小结54-56
• 6.总结与展望56-58
• 6.1 总结56
• 6.2 展望56-58
• 参考文献58-62
• 攻读硕士期间的主要研究成果62-63
• 致谢63

【参考文献】

中国期刊全文数据库 前9条

1 贾挺猛;荀一;鲍官军;董茂;杨庆华;;基于机器视觉的葡萄树枝骨架提取算法研究[J];机电工程;2013年04期

2 侯立斐;张静;霍玲玲;;一种改进的汉字骨架提取算法[J];微型机与应用;2011年17期

3 张善卿;辛维斌;张桂戌;;局部熵驱动的模糊区域竞争图像分割[J];中国图象图形学报;2011年06期

4 马雪亮;梁栋;胡根生;杭丹萍;唐王琴;;基于支持向量值和方向滤波器组的图像去噪[J];计算机应用研究;2011年06期

5 郭晨;胡晓彤;;基于计算机图像处理的书法笔画特征提取[J];天津科技大学学报;2010年05期

6 武桐;齐开悦;陈凯;陈剑波;;适用于汉字识别的特征描绘子改进研究[J];信息安全与通信保密;2010年03期

7 赵继印;郑蕊蕊;吴宝春;李敏;;脱机手写体汉字识别综述[J];电子学报;2010年02期

8 张义宽;张晓鹏;查红彬;张讲社;;3维点云的拓扑结构表征与计算技术[J];中国图象图形学报;2008年08期

9 唐瑶;张锡哲;王钲旋;;一种中国书法作品的骨架提取算法[J];工程图学学报;2006年05期

中国硕士学位论文全文数据库 前1条

1 唐瑶;中国书法作品的风格化生成研究[D];吉林大学;2007年

，

本文编号：937414