基于卷积神经网络的油画真伪鉴别方法、装置及存储介质制造方法及图纸

本申请提供了一种基于卷积神经网络的油画真伪鉴别方法、装置及存储介质，基于待鉴别油画图像的灰度图像，分别将横坐标相同的各个像素点的灰度值进行相加，以得到每个横坐标对应的第一灰度相加结果。以及分别将纵坐标相同的各个像素点的灰度值进行相加，以得到每个纵坐标对应的第二灰度相加结果，以便于在待鉴别油画图像中筛选出与真迹油画图像颜色相差较大的颜色差异区域。在确定各个颜色差异区域后，可以利用SIFT算法分别获取每个颜色区域差异的特征点信息。由于特征点信息可以反映油画作品中的笔触特征，且笔触特征难以复制，因此计算机设备可基于各个特征点信息自动生成待鉴别油画图像的真伪鉴别结果，且真伪鉴定结果具备较高的可靠性。具备较高的可靠性。具备较高的可靠性。

【技术实现步骤摘要】
基于卷积神经网络的油画真伪鉴别方法、装置及存储介质


[0001]本申请涉及图像处理
，尤其涉及一种基于卷积神经网络的油画真伪鉴别方法、装置、存储介质及计算机设备。

技术介绍

[0002]油画是以植物油调和颜料并绘制在画布上的画种。结合油画特有的绘制方法和画作特点，现有的油画真伪鉴别方式包括：显微镜鉴别、光谱鉴别、通过触摸画布和闻油墨的方式鉴别。由此可见，目前的鉴别方式要么需要借助特定的鉴别仪器来实现，要么要求鉴别者具备丰富经验。因此，亟需提供一种能够自动并且可靠地鉴别油画真伪的方案。

技术实现思路

[0003]本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中无法自动可靠地鉴别油画真伪的技术缺陷。
[0004]第一方面，本申请实施例提供了一种基于卷积神经网络的油画真伪鉴别方法，所述方法包括：获取待鉴别油画图像；对所述待鉴别油画图像进行灰度化处理，以得到灰度图像；根据所述灰度图像中各个像素点的横坐标，将横坐标相同的各个像素点的灰度值进行相加，以分别得到每个所述横坐标对应的第一灰度相加结果；根据所述灰度图像中各个像素点的纵坐标，将纵坐标相同的各个像素点的灰度值进行相加，以分别得到每个所述纵坐标对应的第二灰度相加结果；基于各个所述横坐标、各个所述纵坐标、每个所述横坐标对应的所述第一灰度相加结果和每个所述纵坐标对应的所述第二灰度相加结果，在所述待鉴别油画图像中确定各个颜色差异区域；采用SIFT算法分别获取所述待鉴别油画图像中每个所述颜色差异区域对应的特征点信息；根据各个所述颜色差异区域对应的特征点信息，生成所述待鉴别油画图像的真伪鉴别结果。
[0005]在其中一个实施例中，所述基于各个所述横坐标、各个所述纵坐标、每个所述横坐标对应的所述第一灰度相加结果和每个所述纵坐标对应的所述第二灰度相加结果，在所述待鉴别油画图像中确定各个颜色差异区域的步骤，包括：分别确定第一灰度阈值和第二灰度阈值；分别将所述第一灰度阈值与每个所述第一灰度相加结果进行大小比较，并将各个大于所述第一灰度阈值的第一灰度相加结果作为各个第一目标结果；分别将所述第二灰度阈值与每个所述第二灰度相加结果进行大小比较，并将各个大于所述第二灰度阈值的第二灰度相加结果作为各个第二目标结果；
基于各个所述第一目标结果对应的横坐标和各个所述第二目标结果对应的纵坐标，在所述待鉴别油画图像中确定各个所述颜色差异区域。
[0006]在其中一个实施例中，所述第一灰度阈值的确定步骤，包括：获取所述待鉴别油画图像对应的目标画作名称；在预先训练得到的多个第一阈值输出模型中，确定与所述目标画作名称对应的第一目标模型；其中，不同的第一阈值输出模型对应不同的画作名称；根据各个所述横坐标和每个所述横坐标对应的所述第一灰度相加结果，生成待鉴别横向直方图；将所述待鉴别横向直方图输入至所述第一目标模型中，以获取由所述第一目标模型输出的所述第一灰度阈值。
[0007]在其中一个实施例中，所述第二灰度阈值的确定步骤，包括：获取所述待鉴别油画图像对应的目标画作名称；在预先训练得到的多个第二阈值输出模型中，确定与所述目标画作名称对应的第二目标模型；其中，不同的第二阈值输出模型对应不同的画作名称；根据各个所述纵坐标和每个所述纵坐标对应的所述第二灰度相加结果，生成待鉴别纵向直方图；将所述待鉴别纵向直方图输入至所述第二目标模型中，以获取由所述第二目标模型输出的所述第二灰度阈值。
[0008]在其中一个实施例中，每个所述颜色差异区域对应的特征点信息包括该颜色差异区域中各个特征点的坐标值和每个所述特征点的特征方向角。
[0009]在其中一个实施例中，所述根据各个所述颜色差异区域对应的特征点信息，生成所述待鉴别油画图像的真伪鉴别结果的步骤，包括：获取所述待鉴别油画图像对应的目标画作名称；在预先训练得到的多个真伪分类模型中，确定与所述目标画作名称对应的第三目标模型；其中，不同的真伪分类模型对应不同的画作名称，每一真伪分类模型的模型输入为特征点信息，每一真伪分类模型的模型输出为真伪标签；将各个所述颜色差异区域对应的特征点信息输入到所述第三目标模型中，以获取由所述第三目标模型输出的真伪标签；所述真伪标签用于反映所述待鉴别油画图像的真伪鉴别结果。
[0010]在其中一个实施例中，所述获取所述待鉴别油画图像对应的目标画作名称的步骤，包括：将所述待鉴别油画图像输入至预先训练得到的画作分类模型中，以获取由所述画作分类模型输出的所述目标画作名称。
[0011]第二方面，本申请实施例提供了一种基于卷积神经网络的油画真伪鉴别装置，所述装置包括：图像获取模块，用于获取待鉴别油画图像；灰度化处理模块，用于对所述待鉴别油画图像进行灰度化处理，以得到灰度图像；第一相加模块，用于根据所述灰度图像中各个像素点的横坐标，将横坐标相同的各个像素点的灰度值进行相加，以分别得到每个所述横坐标对应的第一灰度相加结果；
第二相加模块，用于根据所述灰度图像中各个像素点的纵坐标，将纵坐标相同的各个像素点的灰度值进行相加，以分别得到每个所述纵坐标对应的第二灰度相加结果；区域确定模块，用于基于各个所述横坐标、各个所述纵坐标、每个所述横坐标对应的所述第一灰度相加结果和每个所述纵坐标对应的所述第二灰度相加结果，在所述待鉴别油画图像中确定各个颜色差异区域；特征点信息获取模块，用于采用SIFT算法分别获取所述待鉴别油画图像中每个所述颜色差异区域对应的特征点信息；真伪鉴别结果生成模块，用于根据各个所述颜色差异区域对应的特征点信息，生成所述待鉴别油画图像的真伪鉴别结果。
[0012]第三方面，本申请实施例提供了一种存储介质，该存储介质中存储有计算机可读指令，该计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例所述基于卷积神经网络的油画真伪鉴别方法的步骤。
[0013]第四方面，本申请实施例提供了一种计算机设备，该计算机设备包括：一个或多个处理器，以及存储器；所述存储器中存储有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，执行上述任一实施例所述基于卷积神经网络的油画真伪鉴别方法的步骤。
[0014]在本申请一些实施例提供的基于卷积神经网络的油画真伪鉴别方法、装置、存储介质及计算机设备中，计算机设备可以基于待鉴别油画图像的灰度图像，分别将横坐标相同的各个像素点的灰度值进行相加，以得到每个横坐标对应的第一灰度相加结果。以及，分别将纵坐标相同的各个像素点的灰度值进行相加，以得到每个纵坐标对应的第二灰度相加结果。如此，计算机设备可以基于各个第一灰度相加结果和各个第二灰度相加结果，在待鉴别油画图像中筛选出与真迹油画图像颜色相差较大的颜色差异区域。在确定各个颜色差异区域后，计算机设备可以利用SIFT算法分别获取每个颜色区域差异的特征点信息。由于特征点信息可以反映油画作品中的笔触特征，且笔触特征难以复制，因此计算机设备可以基于各个特征点信息，自动生成待鉴别油画图像的真伪鉴别结果，且真伪鉴定结果具备较高的可靠性。
附图说明
[0015]为了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的油画真伪鉴别方法，其特征在于，所述方法包括：获取待鉴别油画图像；对所述待鉴别油画图像进行灰度化处理，以得到灰度图像；根据所述灰度图像中各个像素点的横坐标，将横坐标相同的各个像素点的灰度值进行相加，以分别得到每个所述横坐标对应的第一灰度相加结果；根据所述灰度图像中各个像素点的纵坐标，将纵坐标相同的各个像素点的灰度值进行相加，以分别得到每个所述纵坐标对应的第二灰度相加结果；基于各个所述横坐标、各个所述纵坐标、每个所述横坐标对应的所述第一灰度相加结果和每个所述纵坐标对应的所述第二灰度相加结果，在所述待鉴别油画图像中确定各个颜色差异区域；采用SIFT算法分别获取所述待鉴别油画图像中每个所述颜色差异区域对应的特征点信息；根据各个所述颜色差异区域对应的特征点信息，生成所述待鉴别油画图像的真伪鉴别结果。2.根据权利要求1所述的方法，其特征在于，所述基于各个所述横坐标、各个所述纵坐标、每个所述横坐标对应的所述第一灰度相加结果和每个所述纵坐标对应的所述第二灰度相加结果，在所述待鉴别油画图像中确定各个颜色差异区域的步骤，包括：分别确定第一灰度阈值和第二灰度阈值；分别将所述第一灰度阈值与每个所述第一灰度相加结果进行大小比较，并将各个大于所述第一灰度阈值的第一灰度相加结果作为各个第一目标结果；分别将所述第二灰度阈值与每个所述第二灰度相加结果进行大小比较，并将各个大于所述第二灰度阈值的第二灰度相加结果作为各个第二目标结果；基于各个所述第一目标结果对应的横坐标和各个所述第二目标结果对应的纵坐标，在所述待鉴别油画图像中确定各个所述颜色差异区域。3.根据权利要求2所述的方法，其特征在于，所述第一灰度阈值的确定步骤，包括：获取所述待鉴别油画图像对应的目标画作名称；在预先训练得到的多个第一阈值输出模型中，确定与所述目标画作名称对应的第一目标模型；其中，不同的第一阈值输出模型对应不同的画作名称；根据各个所述横坐标和每个所述横坐标对应的所述第一灰度相加结果，生成待鉴别横向直方图；将所述待鉴别横向直方图输入至所述第一目标模型中，以获取由所述第一目标模型输出的所述第一灰度阈值。4.根据权利要求2所述的方法，其特征在于，所述第二灰度阈值的确定步骤，包括：获取所述待鉴别油画图像对应的目标画作名称；在预先训练得到的多个第二阈值输出模型中，确定与所述目标画作名称对应的第二目标模型；其中，不同的第二阈值输出模型对应不同的画作名称；根据各个所述纵坐标和每个所述纵坐标对应的所述第二灰度相加结果，生成待鉴别纵向直方图；将所述待鉴别纵向直方图输入至所述第二目标模型中，以获取由所述第二目标模型输
出的所述...

【专利技术属性】
技术研发人员：王欢，高伟明，冯继威，
申请(专利权)人：网思科技股份有限公司，
类型：发明
国别省市：