一种基于主体的国画图像和书法图像的识别方法技术

本发明专利技术涉及一种基于主体的国画图像和书法图像的识别方法，其包括如下步骤：利用扫描仪扫描中国近代以前的国画作品和历史上出现过的书法作品，得到国画作品和书法作品的样本图像；对样本图像进行基于Top-down的图像预处理，从扫描得到的样本图像中随机选取训练样本图像和测试样本图像；从训练样本图像中提取训练样本图像的主体特征向量，并训练分类器；训练样本图像分类器，从测试样本图像中提取主体特征向量，利用训练好的样本图像分类器进行识别，得出识别的结果。本发明专利技术基于主体的概念，通过提取国画图像和书法图像主体的特征，实现了对国画图像和书法图像的识别，能广泛应用于对国画图像和书法图像的识别和检索中。

【技术实现步骤摘要】

本专利技术涉及一种图像识别方法，特别是关于一种基于主体的国画图像和书法图像 的识别方法。
技术介绍
国画作品和书法作品是中国文化中的重要组成部分，具有独特的艺术形式，在世 界美术领域中自成体系，独树一帜。近年来，随着计算机和多媒体等技术的迅速发展，国画 作品和书法作品的数字图像也与日俱增，因此如何有效的检索国画图像和书法图像越来越 受到大家的关注。国画图像和书法图像主要包括留白区域和主景区域，针对国画图像和书法图像自 身的特点，经过数据预处理把留白区域设定为统一颜色之后剩余的主景区域更能够突出国 画图像和书法图像的特征，因此定义该主景区域为国画图像和书法图像的主体。目前现有 的图像识别方法中，对于图像特征的提取有基于视觉注意机制目标区域的特征提取，直接 使用全局图像进行特征提取，全局结合局部的特征提取等。现有的研究工作主要集中在对国画图像的创作风格如工笔、写意等；内容如山水、 人物、花鸟等的识别。2006年蒋树强等人提出了一种有效针对中国国画图像的检测和识 别方法，该方法首先从一般图像中把国画图像分离出来，然后再对国画图像进行工笔和写 意的二分类；2009年美国西北大学的Jana Zujovic等人提出了一种按艺术流派分类的算 法，和基于内容的图像检索CBIR(Content Based Image Retrieval)系统类似，该算法主要 也是利用纹理和颜色进行特征提取；美国宾夕法尼亚大学的Jia Li和James Ζ. Wang提出 了一种基于混合随机模型的图像识别方法，该方法中使用二维小波多分辨率隐马尔可夫模 型，对中国国画图像按作家进行识别，试验中选取了中国历史上的沈周、董其昌、高凤翰、吴 昌硕、张大千五位画家的作品，对其所属作家进行识别。上述方法都是集中在对国画图像的识别，目前尚未发现基于主体对国画图像和书 法图像进行识别的方法。
技术实现思路
针对上述问题，本专利技术的目的是提供一种基于主体的概念，通过提取国画图像和 书法图像主体的特征，实现对国画图像和书法图像识别的方法。为实现上述目的，本专利技术采取以下技术方案一种基于主体的国画图像和书法 图像的识别方法，其包括如下步骤(1)利用扫描仪扫描中国近代以前的国画作品和历史 上出现过的书法作品，得到国画作品和书法作品的样本图像；(2)对样本图像进行基于 Top-down的图像预处理，其包括如下步骤①将样本图像从RGB颜色空间转换到HSV颜色 空间；②对步骤①得到的HSV颜色空间的样本图像做Carmy算子的边缘检测；③对步骤② 得到的边缘检测的样本图像做边缘膨胀的处理；④对步骤③得到的边缘膨胀的样本图像做 区域填充的处理；⑤对步骤④得到的区域填充的样本图像的填充区域以外的背景区域进行颜色信息的统计，包括对HSV颜色空间中的各个分量进行统计，得出各个分量的平均值 Ave_H、Ave_S、Ave_V;⑥对初始扫描得到的样本图像进行全图逐个像素的遍历，样本图像每 个像素点的HSV颜色空间的H、S、V各个分量的值分别与HSV颜色空间中各个分量的平均值 Ave_H、Ave_S、Ave_V做差值运算，将差值运算结果与阈值进行比较，在阈值范围内的像素点 认为是留白区域，将其设定为统一颜色；(3)从扫描得到的样本图像中随机选取训练样本 图像和测试样本图像；(4)从训练样本图像中提取训练样本图像的主体特征向量，并训练 分类器，其包括如下步骤①经过步骤(2)图像预处理得到训练样本图像的灰度直方图，灰 度为256阶；②对于训练样本图像灰度直方图中的每个颜色区间bin统计出在训练样本图 像中出现的次数总和Total，每个训练样本图像最后生成一个256维的主体特征向量，完成 训练样本图像的主体特征向量的提取，考虑到不同训练样本图像的大小，采用以下公式计 算权利要求1.，其包括如下步骤(1)利用扫描仪扫描中国近代以前的国画作品和历史上出现过的书法作品，得到国画 作品和书法作品的样本图像；(2)对样本图像进行基于Top-down的图像预处理，其包括如下步骤①将样本图像从RGB颜色空间转换到HSV颜色空间；②对步骤①得到的HSV颜色空间的样本图像做Carmy算子的边缘检测；③对步骤②得到的边缘检测的样本图像做边缘膨胀的处理；④对步骤③得到的边缘膨胀的样本图像做区域填充的处理；⑤对步骤④得到的区域填充的样本图像的填充区域以外的背景区域进行颜色信息的 统计，包括对HSV颜色空间中的各个分量进行统计，得出各个分量的平均值Ave_H、Ave_S、 Ave_V ；⑥对初始扫描得到的样本图像进行全图逐个像素的遍历，样本图像每个像素点的HSV 颜色空间的H、S、V各个分量的值分别与HSV颜色空间中各个分量的平均值Ave_H、Ave_S、 Ave_V做差值运算，将差值运算结果与阈值进行比较，在阈值范围内的像素点认为是留白区 域，将其设定为统一颜色；(3)从扫描得到的样本图像中随机选取训练样本图像和测试样本图像；(4)从训练样本图像中提取训练样本图像的主体特征向量，并训练分类器，其包括如下 步骤①经过步骤(2)图像预处理得到训练样本图像的灰度直方图，灰度为256阶；②对于训练样本图像灰度直方图中的每个颜色区间bin统计出在训练样本图像中出 现的次数总和Total，每个训练样本图像最后生成一个256维的主体特征向量，完成训练样本图像的主体特征向量的提取，考虑到不同训练样本图像的大小，采用以下公式计算2.如权利要求1所述的，其特征在 于所述步骤(3)从扫描得到的样本图像中随机选取训练样本图像和测试样本图像包括 如下步骤①定义样本图像类别，编号为1或0，1表示国画样本图像，0表示书法样本图像； ②用于待识别样本图像为I，标记为U1, 12}，其中I1表示书法样本图像，记为I1 = IC1, C2... CJ, C^i = 1,2...η)表示为扫描得到的书法样本图像，I2表示国画样本图像，记为 I2 = (P1, P2. . . PJ，Pi (i = 1，2. . . η)表示为扫描得到的国画样本图像；③分别从Ip I2中 随机选取设定数量的样本图像作为训练样本图像集Τ，记为{I/ , I2' }, I1'表示书法训练样本图像，I2'表示国画训练样本图像，将Ip I2中剩余的样本图像作为测试样本图像集 ￡ = 且ejr}，ei(i = l，2...m)为测试样本图像。3.如权利要求1或2所述的，其特征 在于所述步骤(5)中的①基于机器学习模型进行训练采用的算法为决策树算法，人工神 经网络，支持向量机算法，贝叶斯学习算法中的一种。全文摘要本专利技术涉及，其包括如下步骤利用扫描仪扫描中国近代以前的国画作品和历史上出现过的书法作品，得到国画作品和书法作品的样本图像；对样本图像进行基于Top-down的图像预处理，从扫描得到的样本图像中随机选取训练样本图像和测试样本图像；从训练样本图像中提取训练样本图像的主体特征向量，并训练分类器；训练样本图像分类器，从测试样本图像中提取主体特征向量，利用训练好的样本图像分类器进行识别，得出识别的结果。本专利技术基于主体的概念，通过提取国画图像和书法图像主体的特征，实现了对国画图像和书法图像的识别，能广泛应用于对国画图像和书法图像的识别和检索中。文档编号G06K9/60GK1021本文档来自技高网...

【技术保护点】
１．一种基于主体的国画图像和书法图像的识别方法，其包括如下步骤：（１）利用扫描仪扫描中国近代以前的国画作品和历史上出现过的书法作品，得到国画作品和书法作品的样本图像；（２）对样本图像进行基于Ｔｏｐ－ｄｏｗｎ的图像预处理，其包括如下步骤：①将样本图像从ＲＧＢ颜色空间转换到ＨＳＶ颜色空间；②对步骤①得到的ＨＳＶ颜色空间的样本图像做Ｃａｎｎｙ算子的边缘检测；③对步骤②得到的边缘检测的样本图像做边缘膨胀的处理；④对步骤③得到的边缘膨胀的样本图像做区域填充的处理；⑤对步骤④得到的区域填充的样本图像的填充区域以外的背景区域进行颜色信息的统计，包括对ＨＳＶ颜色空间中的各个分量进行统计，得出各个分量的平均值Ａｖｅ＿Ｈ、Ａｖｅ＿Ｓ、Ａｖｅ＿Ｖ；⑥对初始扫描得到的样本图像进行全图逐个像素的遍历，样本图像每个像素点的ＨＳＶ颜色空间的Ｈ、Ｓ、Ｖ各个分量的值分别与ＨＳＶ颜色空间中各个分量的平均值Ａｖｅ＿Ｈ、Ａｖｅ＿Ｓ、Ａｖｅ＿Ｖ做差值运算，将差值运算结果与阈值进行比较，在阈值范围内的像素点认为是留白区域，将其设定为统一颜色；（３）从扫描得到的样本图像中随机选取训练样本图像和测试样本图像；（４）从训练样本图像中提取训练样本图像的主体特征向量，并训练分类器，其包括如下步骤：①经过步骤（２）图像预处理得到训练样本图像的灰度直方图，灰度为２５６阶；②对于训练样本图像灰度直方图中的每个颜色区间ｂｉｎ统计出在训练样本图像中出现的次数总和Ｔｏｔａｌ，每个训练样本图像最后生成一个２５６维的主体特征向量，完成训练样本图像的主体特征向量的提取，考虑到不同训练样本图像的大小，采用以下公式计算：（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｉ）Ｔｏｔａｌ（／ｍｉ）?（ｍｏ）＿（／ｍｏ）?（ｍｉ）ｂｉｎ（／ｍｉ）?（ｍｏ）＝（／ｍｏ）?（ｍｆｒａｃ）?（ｍｉ）Ｔｏｔａｌ（／ｍｉ）?（ｍｒｏｗ）?（ｍｉ）Ｗｉｄｅ（／ｍｉ）?（ｍｏ）＆ｔｉｍｅｓ；（／ｍｏ）?（ｍｉ）Ｈｉｇｈ（／ｍｉ）?（／ｍｒｏｗ）?（／ｍｆｒａｃ）?（ｍｏ），（／ｍｏ）?（／ｍｒｏｗ）?（／ｍａｔｈ）其中，Ｗｉｄｅ，Ｈｉｇｈ分别表示训练样本图像的宽和高；（５）训练样本图像分类器，从测试样本图像中提取主体特征向量，利用训练好的样本图像分类器进行识别，其包括如下步骤：①对提取好的训练样本图像的主体特征向量，基于机器学习模型进行训练，得到训练好的样本图像分类器；②提取测试样本图像的主体特征向量；③对于提取的测试样本图像的主体特征向量，运用训练好的样本图像分类器，进行识别，得出识别的结果。...

【技术特征摘要】

【专利技术属性】
技术研发人员：鲍泓，潘卫国，何宁，李兵，
申请(专利权)人：北京联合大学，
类型：发明
国别省市：11