论文部分内容阅读
绘画是人类文明发展历程中一种重要的文化艺术表现形式,多年来产生了大量的绘画作品。针对这些绘画作品的研究,一直是人们了解人类的历史、文化、艺术以及科技的发展史,从而进一步推动人类文明发展的一种重要手段。随着数字化技术的发展和广泛应用,越来越多的绘画作品逐渐实现了数字化,使得大规模的绘画艺术分析成为可能。但随着大量数字化绘画图像资源的出现为研究者们带来了丰富研究资料的同时,研究者们又面临着如何有效使用这些海量数字资源的新问题。其中,如何利用计算机对这些海量绘画图像进行有效分类以便于研究者的进一步研究,是一个需要首先解决的重要课题。不同于一般的自然图像,绘画作品都是人工作品,具有自身的艺术风格等特有属性。而传统的计算机图像分类方法由于并未考虑到绘画图像的艺术风格的一些特性,并不适合直接应用于绘画图像上。本文研究利用绘画图像所特有的艺术风格特性来实现对大规模数字绘画图像的分类处理。本文主要工作与创新包括:1)提出了一种基于绘画技法的艺术风格描述符构建方法。在对大量艺术类文献研究分析的基础上,研究了中西方绘画和不同朝代的敦煌壁画两类数绘画图像样本,从绘画技法的角度展开了深入分析并提出了三个特征和三大类属性以及十六个特征来描述绘画图像的艺术风格的方法,并实现了基于该方法的绘画图像分类。实验结果验证了该方法的可行性。2)提出了一种基于艺术风格相似性规则的不同艺术风格的绘画图像分类方法。基于人脑认知机制和相似性原理,研究分析了艺术风格自身属性,建立了艺术风格相似性规则。在遵循规则的基础上,对艺术领域中普遍认可的风格特征进行量化,计算出图像风格的自我相似性描述符,然后计算出图像与其它所有样本图像的相似性系数来构成相似性矩阵,最后使用Adaboost算法实现未知绘画作品的类别判断。实验结果也证明了基于艺术风格相似性规则进行绘画图像分类的有效性。3)提出了一种基于显著性的不同艺术风格绘画图像分类方法。根据人类视觉对感观世界所呈现的视觉信息具有选择性视觉注意这一特性,首先提出了一种人类视觉显著性检测方法,通过结合颜色增强算法以及基于全局区域对比度方法各自的优点,来获取更为精确的显著性图并且在公开数据库上对这种方法进行了评估。然后在显著性图基础上进行基于概率模型的分类。该方法在不同艺术风格的敦煌壁画数据库以及Caltech101, Caltech256两个通用数据库上的实验结果表明,基于视觉显著性的方法应用于基于艺术风格的绘画图像分类是有效的,同时也可以扩展应用于通用的图像分类,其性能表现良好,说明该方法鲁棒性较强。