專利名稱：一種基于主體的國(guó)畫(huà)圖像和書(shū)法圖像的識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像識(shí)別方法，特別是關(guān)于一種基于主體的國(guó)畫(huà)圖像和書(shū)法圖像 的識(shí)別方法。
背景技術(shù)：
國(guó)畫(huà)作品和書(shū)法作品是中國(guó)文化中的重要組成部分，具有獨(dú)特的藝術(shù)形式，在世 界美術(shù)領(lǐng)域中自成體系，獨(dú)樹(shù)一幟。近年來(lái)，隨著計(jì)算機(jī)和多媒體等技術(shù)的迅速發(fā)展，國(guó)畫(huà) 作品和書(shū)法作品的數(shù)字圖像也與日俱增，因此如何有效的檢索國(guó)畫(huà)圖像和書(shū)法圖像越來(lái)越 受到大家的關(guān)注。國(guó)畫(huà)圖像和書(shū)法圖像主要包括留白區(qū)域和主景區(qū)域，針對(duì)國(guó)畫(huà)圖像和書(shū)法圖像自 身的特點(diǎn)，經(jīng)過(guò)數(shù)據(jù)預(yù)處理把留白區(qū)域設(shè)定為統(tǒng)一顏色之后剩余的主景區(qū)域更能夠突出國(guó) 畫(huà)圖像和書(shū)法圖像的特征，因此定義該主景區(qū)域?yàn)閲?guó)畫(huà)圖像和書(shū)法圖像的主體。目前現(xiàn)有 的圖像識(shí)別方法中，對(duì)于圖像特征的提取有基于視覺(jué)注意機(jī)制目標(biāo)區(qū)域的特征提取，直接 使用全局圖像進(jìn)行特征提取，全局結(jié)合局部的特征提取等?，F(xiàn)有的研究工作主要集中在對(duì)國(guó)畫(huà)圖像的創(chuàng)作風(fēng)格如工筆、寫(xiě)意等；內(nèi)容如山水、 人物、花鳥(niǎo)等的識(shí)別。2006年蔣樹(shù)強(qiáng)等人提出了一種有效針對(duì)中國(guó)國(guó)畫(huà)圖像的檢測(cè)和識(shí) 別方法，該方法首先從一般圖像中把國(guó)畫(huà)圖像分離出來(lái)，然后再對(duì)國(guó)畫(huà)圖像進(jìn)行工筆和寫(xiě) 意的二分類；2009年美國(guó)西北大學(xué)的Jana Zujovic等人提出了一種按藝術(shù)流派分類的算 法，和基于內(nèi)容的圖像檢索CBIR(Content Based Image Retrieval)系統(tǒng)類似，該算法主要 也是利用紋理和顏色進(jìn)行特征提??；美國(guó)賓夕法尼亞大學(xué)的Jia Li和James Ζ. Wang提出 了一種基于混合隨機(jī)模型的圖像識(shí)別方法，該方法中使用二維小波多分辨率隱馬爾可夫模 型，對(duì)中國(guó)國(guó)畫(huà)圖像按作家進(jìn)行識(shí)別，試驗(yàn)中選取了中國(guó)歷史上的沈周、董其昌、高鳳翰、吳 昌碩、張大千五位畫(huà)家的作品，對(duì)其所屬作家進(jìn)行識(shí)別。上述方法都是集中在對(duì)國(guó)畫(huà)圖像的識(shí)別，目前尚未發(fā)現(xiàn)基于主體對(duì)國(guó)畫(huà)圖像和書(shū) 法圖像進(jìn)行識(shí)別的方法。

發(fā)明內(nèi)容
針對(duì)上述問(wèn)題，本發(fā)明的目的是提供一種基于主體的概念，通過(guò)提取國(guó)畫(huà)圖像和 書(shū)法圖像主體的特征，實(shí)現(xiàn)對(duì)國(guó)畫(huà)圖像和書(shū)法圖像識(shí)別的方法。為實(shí)現(xiàn)上述目的，本發(fā)明采取以下技術(shù)方案一種基于主體的國(guó)畫(huà)圖像和書(shū)法 圖像的識(shí)別方法，其包括如下步驟(1)利用掃描儀掃描中國(guó)近代以前的國(guó)畫(huà)作品和歷史 上出現(xiàn)過(guò)的書(shū)法作品，得到國(guó)畫(huà)作品和書(shū)法作品的樣本圖像；(2)對(duì)樣本圖像進(jìn)行基于 Top-down的圖像預(yù)處理，其包括如下步驟①將樣本圖像從RGB顏色空間轉(zhuǎn)換到HSV顏色 空間；②對(duì)步驟①得到的HSV顏色空間的樣本圖像做Carmy算子的邊緣檢測(cè)；③對(duì)步驟② 得到的邊緣檢測(cè)的樣本圖像做邊緣膨脹的處理；④對(duì)步驟③得到的邊緣膨脹的樣本圖像做 區(qū)域填充的處理；⑤對(duì)步驟④得到的區(qū)域填充的樣本圖像的填充區(qū)域以外的背景區(qū)域進(jìn)行顏色信息的統(tǒng)計(jì)，包括對(duì)HSV顏色空間中的各個(gè)分量進(jìn)行統(tǒng)計(jì)，得出各個(gè)分量的平均值 Ave_H、Ave_S、Ave_V;⑥對(duì)初始掃描得到的樣本圖像進(jìn)行全圖逐個(gè)像素的遍歷，樣本圖像每 個(gè)像素點(diǎn)的HSV顏色空間的H、S、V各個(gè)分量的值分別與HSV顏色空間中各個(gè)分量的平均值 Ave_H、Ave_S、Ave_V做差值運(yùn)算，將差值運(yùn)算結(jié)果與閾值進(jìn)行比較，在閾值范圍內(nèi)的像素點(diǎn) 認(rèn)為是留白區(qū)域，將其設(shè)定為統(tǒng)一顏色；(3)從掃描得到的樣本圖像中隨機(jī)選取訓(xùn)練樣本 圖像和測(cè)試樣本圖像；(4)從訓(xùn)練樣本圖像中提取訓(xùn)練樣本圖像的主體特征向量，并訓(xùn)練 分類器，其包括如下步驟①經(jīng)過(guò)步驟(2)圖像預(yù)處理得到訓(xùn)練樣本圖像的灰度直方圖，灰 度為256階；②對(duì)于訓(xùn)練樣本圖像灰度直方圖中的每個(gè)顏色區(qū)間bin統(tǒng)計(jì)出在訓(xùn)練樣本圖 像中出現(xiàn)的次數(shù)總和Total，每個(gè)訓(xùn)練樣本圖像最后生成一個(gè)256維的主體特征向量，完成 訓(xùn)練樣本圖像的主體特征向量的提取，考慮到不同訓(xùn)練樣本圖像的大小，采用以下公式計(jì) 算
權(quán)利要求
1.一種基于主體的國(guó)畫(huà)圖像和書(shū)法圖像的識(shí)別方法，其包括如下步驟(1)利用掃描儀掃描中國(guó)近代以前的國(guó)畫(huà)作品和歷史上出現(xiàn)過(guò)的書(shū)法作品，得到國(guó)畫(huà) 作品和書(shū)法作品的樣本圖像；(2)對(duì)樣本圖像進(jìn)行基于Top-down的圖像預(yù)處理，其包括如下步驟①將樣本圖像從RGB顏色空間轉(zhuǎn)換到HSV顏色空間；②對(duì)步驟①得到的HSV顏色空間的樣本圖像做Carmy算子的邊緣檢測(cè)；③對(duì)步驟②得到的邊緣檢測(cè)的樣本圖像做邊緣膨脹的處理；④對(duì)步驟③得到的邊緣膨脹的樣本圖像做區(qū)域填充的處理；⑤對(duì)步驟④得到的區(qū)域填充的樣本圖像的填充區(qū)域以外的背景區(qū)域進(jìn)行顏色信息的 統(tǒng)計(jì)，包括對(duì)HSV顏色空間中的各個(gè)分量進(jìn)行統(tǒng)計(jì)，得出各個(gè)分量的平均值A(chǔ)ve_H、Ave_S、 Ave_V ；⑥對(duì)初始掃描得到的樣本圖像進(jìn)行全圖逐個(gè)像素的遍歷，樣本圖像每個(gè)像素點(diǎn)的HSV 顏色空間的H、S、V各個(gè)分量的值分別與HSV顏色空間中各個(gè)分量的平均值A(chǔ)ve_H、Ave_S、 Ave_V做差值運(yùn)算，將差值運(yùn)算結(jié)果與閾值進(jìn)行比較，在閾值范圍內(nèi)的像素點(diǎn)認(rèn)為是留白區(qū) 域，將其設(shè)定為統(tǒng)一顏色；(3)從掃描得到的樣本圖像中隨機(jī)選取訓(xùn)練樣本圖像和測(cè)試樣本圖像；(4)從訓(xùn)練樣本圖像中提取訓(xùn)練樣本圖像的主體特征向量，并訓(xùn)練分類器，其包括如下 步驟①經(jīng)過(guò)步驟(2)圖像預(yù)處理得到訓(xùn)練樣本圖像的灰度直方圖，灰度為256階；②對(duì)于訓(xùn)練樣本圖像灰度直方圖中的每個(gè)顏色區(qū)間bin統(tǒng)計(jì)出在訓(xùn)練樣本圖像中出 現(xiàn)的次數(shù)總和Total，每個(gè)訓(xùn)練樣本圖像最后生成一個(gè)256維的主體特征向量，完成訓(xùn)練樣本圖像的主體特征向量的提取，考慮到不同訓(xùn)練樣本圖像的大小，采用以下公式計(jì)算
2.如權(quán)利要求1所述的一種基于主體的國(guó)畫(huà)圖像和書(shū)法圖像的識(shí)別方法，其特征在 于所述步驟(3)從掃描得到的樣本圖像中隨機(jī)選取訓(xùn)練樣本圖像和測(cè)試樣本圖像包括 如下步驟①定義樣本圖像類別，編號(hào)為1或0，1表示國(guó)畫(huà)樣本圖像，0表示書(shū)法樣本圖像； ②用于待識(shí)別樣本圖像為I，標(biāo)記為U1, 12}，其中I1表示書(shū)法樣本圖像，記為I1 = IC1, C2... CJ, C^i = 1,2...η)表示為掃描得到的書(shū)法樣本圖像，I2表示國(guó)畫(huà)樣本圖像，記為 I2 = (P1, P2. . . PJ，Pi (i = 1，2. . . η)表示為掃描得到的國(guó)畫(huà)樣本圖像；③分別從Ip I2中 隨機(jī)選取設(shè)定數(shù)量的樣本圖像作為訓(xùn)練樣本圖像集Τ，記為{I/ , I2' }, I1'表示書(shū)法訓(xùn)練樣本圖像，I2'表示國(guó)畫(huà)訓(xùn)練樣本圖像，將Ip I2中剩余的樣本圖像作為測(cè)試樣本圖像集 ￡ = 且ejr}，ei(i = l，2...m)為測(cè)試樣本圖像。
3.如權(quán)利要求1或2所述的一種基于主體的國(guó)畫(huà)圖像和書(shū)法圖像的識(shí)別方法，其特征 在于所述步驟(5)中的①基于機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練采用的算法為決策樹(shù)算法，人工神 經(jīng)網(wǎng)絡(luò)，支持向量機(jī)算法，貝葉斯學(xué)習(xí)算法中的一種。
全文摘要
本發(fā)明涉及一種基于主體的國(guó)畫(huà)圖像和書(shū)法圖像的識(shí)別方法，其包括如下步驟利用掃描儀掃描中國(guó)近代以前的國(guó)畫(huà)作品和歷史上出現(xiàn)過(guò)的書(shū)法作品，得到國(guó)畫(huà)作品和書(shū)法作品的樣本圖像；對(duì)樣本圖像進(jìn)行基于Top-down的圖像預(yù)處理，從掃描得到的樣本圖像中隨機(jī)選取訓(xùn)練樣本圖像和測(cè)試樣本圖像；從訓(xùn)練樣本圖像中提取訓(xùn)練樣本圖像的主體特征向量，并訓(xùn)練分類器；訓(xùn)練樣本圖像分類器，從測(cè)試樣本圖像中提取主體特征向量，利用訓(xùn)練好的樣本圖像分類器進(jìn)行識(shí)別，得出識(shí)別的結(jié)果。本發(fā)明基于主體的概念，通過(guò)提取國(guó)畫(huà)圖像和書(shū)法圖像主體的特征，實(shí)現(xiàn)了對(duì)國(guó)畫(huà)圖像和書(shū)法圖像的識(shí)別，能廣泛應(yīng)用于對(duì)國(guó)畫(huà)圖像和書(shū)法圖像的識(shí)別和檢索中。
文檔編號(hào)G06K9/60GK102147867SQ20111013187
公開(kāi)日2011年8月10日 申請(qǐng)日期2011年5月20日 優(yōu)先權(quán)日2011年5月20日
發(fā)明者何寧, 李兵, 潘衛(wèi)國(guó), 鮑泓 申請(qǐng)人:北京聯(lián)合大學(xué)