1、 中國傳統(tǒng)水墨畫的 計算機分類與算法研究 中國傳統(tǒng)水墨畫的 計算機分類與算法研究 Computerized Learning and Classification of Traditional Chinese IWPs (Ink and Wash Paintings) Computerized Learning and Classification of Traditional Chinese IWPs (Ink and Wash Pa

2、intings) 一級學科：計算機科學與技術(shù) 學科專業(yè)：計算機應用技術(shù) 作者姓名： 盛家川 指導教師： 趙政 教授 天津大學計算機科學與技術(shù)學院 二零一三年五月 中文摘要 中文摘要 隨著互聯(lián)網(wǎng)的發(fā)展，越來越多的水墨畫出現(xiàn)在網(wǎng)絡(luò)中。如何方便的檢索和分類水墨畫成為近年來科學研究的熱點。 由于中國畫不同于西方的藝術(shù)， 其形成借助于毛筆、墨汁、水和色彩。墨色的濃淡變化完全可由筆道的灰度變化來表達。且中國畫通常是以筆畫勾出輪廓、質(zhì)感、體積來代表某

3、位藝術(shù)家的風格，主要是以線為造型基礎(chǔ)， 而西方畫強調(diào)用光表現(xiàn)物體神態(tài)活現(xiàn)。 這就使中西繪畫在造型手段上有明顯分別。 因此， 一些已有的針對西方畫的研究不能直接用于水墨畫的分析。此外，由于水墨畫不用色或少用色，大多沒有豐富的色彩表現(xiàn)，故一些已有的基于顏色的特征提取和分類算法，也不適合水墨畫的研究。 本文在學習國內(nèi)外前沿研究成果的基礎(chǔ)上，對圖像藝術(shù)風格分類中的一些關(guān)鍵技術(shù)和主要算法做了深入的研究， 提出了適用于水墨畫藝術(shù)風格分類的理論和技術(shù)

4、框架，其思想和方法在設(shè)計開發(fā)的水墨畫圖像分類系統(tǒng)中得到了體現(xiàn)。 首先在像素域內(nèi)，提出一種基于直方圖的水墨畫整體風格特征提取算法，然后基于 Sobel 邊緣檢測方法定位最具有筆道風格代表性的局部區(qū)域， 以獲得描述筆畫的局部細節(jié)風格信息。 為了兼顧水墨畫的整體和局部藝術(shù)風格， 提出基于信息熵的融合算法， 該算法被視為一個指針， 保證了最終的分類結(jié)果傾向于選取熵最小的藝術(shù)風格特征， 以達到最大限度基于藝術(shù)風格而剔除內(nèi)容因素影響的水墨畫自動分類

5、。 其次在小波域內(nèi)，提出一種利用三層小波變換來提取圖像藝術(shù)風格特征的算法。 與目前現(xiàn)有的工作相比， 該算法具有在變換域內(nèi)利用不同分辨率及頻帶的圖像結(jié)構(gòu)所展現(xiàn)的藝術(shù)風格的不同表現(xiàn)形式， 來獲得有關(guān)水墨畫藝術(shù)深度信息的優(yōu)點。從而能夠在分類不同的畫家所表現(xiàn)出來的風格迥異時，取得一定的優(yōu)勢。與此同時， 該部分的研究工作也為不同信號域內(nèi)對水墨畫的藝術(shù)風格分析， 提供了第一手資料，為進一步在壓縮域內(nèi)作直接的水墨畫分析，鋪平了道路。 最后在引入一類支

6、持向量機的基礎(chǔ)上，進一步提出自適應選取決策參數(shù)的新概念， 將一類支持向量機作進一步的改造， 構(gòu)成并行處理的多元支持向量機結(jié)構(gòu)。利用它們在檢測“噪聲點” （outlier）的優(yōu)勢上加入指導性學習的元素，使其分類效果達到最佳。同時，還基于統(tǒng)計特征引入一種增強性的學習方案，通過與用戶的互動選擇和糾正誤判的辦法， 使所設(shè)計的并行支持向量機能夠取得最優(yōu)的分類效果。從而為針對水墨畫的藝術(shù)特性，如落筆收筆的繪畫技巧等，所提出的一系列新的圖像特征準備了