基于圖像學的書法風格研究在書法風格識別、分類存儲及風格鑒賞等應用中有著重要的意義。在眾多的書法作品中,顏真卿的楷書是唐楷中最具代表的作品,對其風格的計算機視覺研究具有重要的學術意義和實踐意義。本文主要對書法風格識別與顏體書法風格一致性問題進行研究。首先對顏體和其余楷書四大家風格進行區(qū)分,接著以顏真卿不同時期的書法字體為數(shù)據(jù)集來研究顏體風格的變化和發(fā)展,并驗證顏體在其他書法風格中的內在相似性,從而區(qū)分顏體風格與其他風格。本文主要工作如下:（1）提取了書法字體庫作為樣本數(shù)據(jù)集。首先對古代碑帖圖像進行預處理,然后使用游長概率統(tǒng)計的方法對古代的碑帖圖像進行去噪,最后通過自適應最小包圍盒切割算法對去噪后的碑文字帖進行單字切割,獲得了包含顏體四碑帖與楷書四大家字體庫的原始數(shù)據(jù)集。（2）研究比較了傳統(tǒng)圖像算子在書法風格識別中的有效性。在特征提取方面,比較了Gabor、小波及LBP三種經(jīng)典的特征提取算法,并基于SVM進行多分類。針對書法字獨特的筆畫特征和結構特征,本文在對Gabor濾波器進行配置時,選擇有效的方向和尺度參數(shù),保證充分提取書法字信息的前提下,盡可能減少數(shù)據(jù)的冗余。（3）提出了基于GIST... 

【文章來源】：西安理工大學陜西省

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 目前相關研究現(xiàn)狀
    1.3 本文主要研究內容
    1.4 本文組織結構
2 書法字數(shù)據(jù)集的獲取
    2.1 引導濾波平滑筆畫
    2.2 Retinex圖像增強
        2.2.1 單尺度Retinex
        2.2.2 多尺度Retinex
    2.3 基于游長概率統(tǒng)計的碑文去噪方法
        2.3.1 統(tǒng)計噪聲和筆畫的游長
        2.3.2 計算最佳閾值
        2.3.3 去除大部分隨機噪聲
    2.4 自適應最小包圍盒切割算法
    2.5 書法字數(shù)據(jù)集的獲取
    2.6 本章小結
3 基于Gabor與 LBP算子的書法風格識別
    3.1 基于Gabor濾波器的書法字特征提取
    3.2 基于小波特征的書法字特征提取
    3.3 基于LBP特征的書法字特征提取
    3.4 SVM多分類算法
    3.5 實驗結果及分析
    3.6 本章小結
4 基于GIST與 PHOG融合特征的書法風格識別
    4.1 書法字特征提取
        4.1.1 基于GIST算子的書法字特征提取
        4.1.2 基于PHOG算子的書法字特征提取
    4.2 書法字特征融合
    4.3 基于KPCA的書法字特征降維算法
    4.4 基于融合特征的書法風格分析
        4.4.1 基于特征融合的電腦字體風格分析
        4.4.2 基于特征融合的楷書四大家風格分析
        4.4.3 基于特征融合的顏體四碑體風格分析
        4.4.4 基于特征融合的顏體風格一致性分析
    4.5 本章小結
5 總結與展望
    5.1 總結
    5.2 展望
致謝
參考文獻
攻讀學位期間主要研究成果


【參考文獻】：
期刊論文
[1]基于稀疏表示與引導濾波的圖像超分辨率重建[J]. 張萬緒,史劍雄,陳曉璇,汪霖,趙明,周延,牛進平.  計算機工程. 2018(09)
[2]熵權法融合局部匹配Gabor特征的魯棒人臉識別[J]. 熊芳敏,岑宇森,曾碧卿.  計算機工程與應用. 2016(05)
[3]基于稀疏表示與小波特征的人臉識別分層框架[J]. 翟素蘭,曹慶,謝文浩.  計算機工程與應用. 2016(14)
[4]中國書法的特征提取及識別[J]. 王民,曾寶瑩,要趁紅,田湘源,孫向南.  信息通信. 2015(07)
[5]基于K-means的圖像文字識別與提取研究[J]. 段銀雷.  電子技術與軟件工程. 2015(09)
[6]基于多尺度梯度及深度神經(jīng)網(wǎng)絡的漢字識別[J]. 潘煒深,金連文,馮子勇.  北京航空航天大學學報. 2015(04)
[7]基于FSVM脫機手寫體漢字分類識別研究[J]. 朱程輝,甘恒,王建平.  計算機工程與應用. 2014(23)
[8]基于小波特征的單字符漢字字體識別[J]. 陳力,丁曉青.  電子學報. 2004(02)

碩士論文
[1]基于小波變換與Log Gabor濾波的虹膜識別系統(tǒng)的設計與實現(xiàn)[D]. 王小偉.山東大學 2017
[2]基于支持向量機的多分類方法研究[D]. 周濤麗.電子科技大學 2015
[3]SVM多分類關鍵技術研究及其在車牌字符識別中的應用[D]. 郭萍萍.大連海事大學 2012
[4]基于Gabor特征與SVM的漢字識別系統(tǒng)研究與實現(xiàn)[D]. 戴維.上海交通大學 2009
[5]漢末碑文研究[D]. 李新霞.河北師范大學 2007



本文編號：3540643