论文部分内容阅读
书法作为中国传统文化的典型代表,在国家文化战略发展中具有举足轻重的地位。书法艺术信息提取作为书法数字化研究中的重要内容,为书法文物保护和传播及相关研究提供了重要的基础。但现有方法难以准确提取书法字的神韵信息,主要挑战在于书法字笔画的墨迹变化复杂、边缘模糊及噪声干扰等。此外,书法教育作为书法传承和发展的重要途径,面临师资队伍短缺的严峻问题。为此,本文研究利用计算机视觉技术为书法临摹学习提供指导,其挑战主要在于运笔姿态的细粒度运动特征难以准确提取,并且毛笔书写轨迹的跟踪对算法的性能和精度具有较高的要求。面对上述挑战,具体研究内容如下:1.基于分区引导滤波的书法艺术信息提取方法针对现有方法难以提取书法神韵信息的问题,本文提出基于分区引导滤波的书法艺术信息提取方法,利用K近邻抠图算法提取图中书法字的基本信息,通过不同大小的滤波窗口对笔画的内部区域与边缘部分进行滤波处理。该算法能够准确地提取笔画区域内的墨迹变化特征,并且能够很好地保持书法字的边缘细节,平均误差分类率降低到0.77%2.基于深度视频分析的书法临摹评估方法1)基于MCNN-LSTM的运笔姿态识别算法针对现有方法难以完成运笔姿态准确识别的问题,本文提出基于MCNN-LSTM的运笔姿态识别算法,设计多重卷积神经网络(MCNN),更加快速有效地提取视频帧中空间特征,并且与长短时记忆单元(LSTM)的结合,以更准确提取毛笔运动过程中的细粒度运动特征,最终运笔姿态的准确识别率最高达到了93.04%。2)书法临摹评估方法该方法首先利用Faster R-CNN与KCF相结合的方法以精准跟踪毛笔的运动轨迹,然后计算书法学习者的毛笔运动轨迹与范本之间的差异特征,最终利用回归模型完成预测评分。本文的预测评分与书法老师的人工评分之间的误差保持在±3分以内,能够为书法临摹提供有效的指导意见。