【技术实现步骤摘要】
一种基于人眼视觉深度学习的国画所属画家自动识别方法
[0001]本专利技术涉及基于视觉处理机制的深度学习在艺术领域的应用,尤其是一种基于人眼视觉深度学习的国画所属画家自动识别方法。
技术介绍
[0002]随着生活水平的提高,人们对精神生活的追求越来越高,其中对中国画的鉴赏需求也逐步提高。网络或者数字博物馆中出现了大量的数字中国画,但如何高效地利用、管理这些画作成为亟待解决的问题。因此,对中国画艺术风格及其作者进行自动分类识别的研究具有很大的实用价值。在中国画特征提取及分类这一领域,已有的相关研究。Li等设计了相关算法分类沈周、唐寅、张大千等画家的画作,但是不能全面地描述画作信息,且其对其他重要信息的忽略导致分类结果并不理想。Jiang等对工笔、写意2类中国画提取颜色特征和纹理特征,采用支持向量机(support vector machine,SVM)进行分类。陈俊杰等对山水和花鸟类中国画进行颜色、形状等方面的特征提取,并采用SVM进行分类。Sun等提出用蒙特卡罗凸包模型进行特征选择,并针对中国画作者分类。刘晓巍等通过图像颜色 ...
【技术保护点】
【技术特征摘要】
1.一种基于人眼视觉深度学习的国画所属画家自动识别方法,其特征在于,所述方法包括:构建样本数据集,所述样本数据集中包括属于若干个不同的画家的若干幅国画样本;对所述样本数据集中的每副国画样本进行视觉前端显著性处理提取得到视觉显著图;基于每个像素点及其邻域像素点的像素值关系对所述视觉显著图进行视觉后端感知信息处理得到有序风格效果图;以每副幅国画样本处理得到的有序风格效果图为输入、对应的画家为输出,利用所述样本数据集基于卷积神经网络进行模型训练得到画家识别模型;提取待识别国画的有序风格效果图并输入所述画家识别模型,输出识别得到的所述待识别国画所属的画家。2.根据权利要求1所述的方法,其特征在于,所述样本数据集中的国画样本包括原始国画以及对原始国画做图像预处理后模拟得到的有损国画,所述图像预处理包括亮度增强、色彩渲染、对比度增强、高斯污染、随机亮度改变、锐度处理、图像旋转、图像翻转中的至少一种。3.根据权利要求1所述的方法,其特征在于,所述对所述样本数据集中的每副国画样本进行视觉前端显著性处理提取得到视觉显著图,包括对于每副国画样本:对所述国画样本进行基于视觉的阈值滤波处理;对完成阈值滤波处理后的国画样本进行频域光强的对数变换;利用SDSP提取算法对变换后的国画样本进行特征提取得到所述视觉显著图。4.根据权利要求3所述的方法,其特征在于,所述对所述国画样本进行基于视觉的阈值滤波处理,包括:根据视觉对比度敏感阈值CSF(1)、视觉中央凹函数τ(i,j)和视觉阈值δ对所述国画样本中任意坐标(i,j)处的像素点的像素值y(i,j)进行阈值滤波处理,得到阈值滤波处理后的像素值z(i,j)为:其中,视觉对比度敏感阈值为:CSF(1)=2.6[0.0192+λ
·2‑1·
r
·
v
·
tan(0.50)]exp{
‑
[λ
·2‑1·
r
·
v
·
tan(0.50)]
1.1
};视觉中央凹函数其中,r为分辨率参数,v为视距参数,λ为第一调节参数,d
t
为第二调节参数,d(i,j)是所述国画样本中坐标(i,j)的像素点与样本图像中心之间的距离,d0是所述国画样本的样本图像中心到图像边缘的距离。5.根据权利要求3所述的方法,其特征在于,所述对完成阈值滤波处理后的国画样本进行频域光强的对数变换,包括:对于完成阈值滤波处理后的国画样本中任意坐标(i,j)处的像素点的像素值z(i,j),进行频域光强的对数变换后的结果为:
其中,函数F(
·
)表示进行频域正变换处理,F
‑1(
·
)表示进行频域逆变换处理,G(ω,θ
j
)...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。