中国古代壁画是我国文化遗产的重要组成部分,记录着各个时代的宗教信仰和社会生活等内容,具有丰富的文化内涵。随着数字化壁画图像越来越丰富,如何从海量资源中找到研究者所需素材是一个亟待解决的问题。利用计算机辅助壁画分类是一种有效的解决方式,可以避免大量的劳动力消耗,提高工作效率、减少工作量,具有重要的现实意义。然而,壁画数据缺乏,且具有较大的背景噪音和丰富的艺术形象,导致壁画分类面临很大的挑战。本文主要针对以上问题展开研究,主要创新点及其算法原理和实验效果如下:1.提出了一种基于特征融合AlexNet的古代壁画分类方法。算法的原理:针对壁画背景噪音的问题,首先对AlexNet模型进行调整,将网络层数调整为适合本文壁画数据集的大小;其次,考虑到网络宽度对网络学习特征影响较大的问题,采用特征融合思想,提出了一种双通道卷积特征提取结构。通过实验对比不断调节网络参数,本文方法达到85.39%的准确率,实验证明双通道结构能有效减少噪音区域的干扰。2.提出了一种基于高底层视觉TFNet的古代壁画分类方法。算法的原理:针对壁画多元性的问题,首先结合颜色直方图和LBP纹理直方图作为底层特征;其次将VGGNet迁移模型学习到的知识和底层特征描述子共同作用到目标小样本集上进行微调得到壁画高层特征;最后,融合高层特征和底层特征作为壁画特征描述子进行分类。实验结果表明,模型最终达到了90.35%的准确率。与传统模型和其他的卷积神经网络相比,算法在分类准确率、泛化能力和稳定性上都有很大提升,验证了模型对于壁画分类的有效性。3.开发了一个古代壁画智能分类原型系统。本文设计完成的壁画原型系统,一方面实现了根据类别展示壁画数据,另一方面完成了壁画图像的自动分类,并将其分类结果保存至后台完成壁画上传,大大方便了对壁画的统一管理。