發(fā)布時(shí)間：2021-12-17 17:59

　　基于圖像學(xué)的書(shū)法風(fēng)格研究在書(shū)法風(fēng)格識(shí)別、分類(lèi)存儲(chǔ)及風(fēng)格鑒賞等應(yīng)用中有著重要的意義。在眾多的書(shū)法作品中,顏真卿的楷書(shū)是唐楷中最具代表的作品,對(duì)其風(fēng)格的計(jì)算機(jī)視覺(jué)研究具有重要的學(xué)術(shù)意義和實(shí)踐意義。本文主要對(duì)書(shū)法風(fēng)格識(shí)別與顏體書(shū)法風(fēng)格一致性問(wèn)題進(jìn)行研究。首先對(duì)顏體和其余楷書(shū)四大家風(fēng)格進(jìn)行區(qū)分,接著以顏真卿不同時(shí)期的書(shū)法字體為數(shù)據(jù)集來(lái)研究顏體風(fēng)格的變化和發(fā)展,并驗(yàn)證顏體在其他書(shū)法風(fēng)格中的內(nèi)在相似性,從而區(qū)分顏體風(fēng)格與其他風(fēng)格。本文主要工作如下:（1）提取了書(shū)法字體庫(kù)作為樣本數(shù)據(jù)集。首先對(duì)古代碑帖圖像進(jìn)行預(yù)處理,然后使用游長(zhǎng)概率統(tǒng)計(jì)的方法對(duì)古代的碑帖圖像進(jìn)行去噪,最后通過(guò)自適應(yīng)最小包圍盒切割算法對(duì)去噪后的碑文字帖進(jìn)行單字切割,獲得了包含顏體四碑帖與楷書(shū)四大家字體庫(kù)的原始數(shù)據(jù)集。（2）研究比較了傳統(tǒng)圖像算子在書(shū)法風(fēng)格識(shí)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(jìn)行多分類(lèi)。針對(duì)書(shū)法字獨(dú)特的筆畫(huà)特征和結(jié)構(gòu)特征,本文在對(duì)Gabor濾波器進(jìn)行配置時(shí),選擇有效的方向和尺度參數(shù),保證充分提取書(shū)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(lái)源】：西安理工大學(xué)陜西省

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)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(guān)研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
    1.4 本文組織結(jié)構(gòu)
2 書(shū)法字?jǐn)?shù)據(jù)集的獲取
    2.1 引導(dǎo)濾波平滑筆畫(huà)
    2.2 Retinex圖像增強(qiáng)
        2.2.1 單尺度Retinex
        2.2.2 多尺度Retinex
    2.3 基于游長(zhǎng)概率統(tǒng)計(jì)的碑文去噪方法
        2.3.1 統(tǒng)計(jì)噪聲和筆畫(huà)的游長(zhǎng)
        2.3.2 計(jì)算最佳閾值
        2.3.3 去除大部分隨機(jī)噪聲
    2.4 自適應(yīng)最小包圍盒切割算法
    2.5 書(shū)法字?jǐn)?shù)據(jù)集的獲取
    2.6 本章小結(jié)
3 基于Gabor與 LBP算子的書(shū)法風(fēng)格識(shí)別
    3.1 基于Gabor濾波器的書(shū)法字特征提取
    3.2 基于小波特征的書(shū)法字特征提取
    3.3 基于LBP特征的書(shū)法字特征提取
    3.4 SVM多分類(lèi)算法
    3.5 實(shí)驗(yàn)結(jié)果及分析
    3.6 本章小結(jié)
4 基于GIST與 PHOG融合特征的書(shū)法風(fēng)格識(shí)別
    4.1 書(shū)法字特征提取
        4.1.1 基于GIST算子的書(shū)法字特征提取
        4.1.2 基于PHOG算子的書(shū)法字特征提取
    4.2 書(shū)法字特征融合
    4.3 基于KPCA的書(shū)法字特征降維算法
    4.4 基于融合特征的書(shū)法風(fēng)格分析
        4.4.1 基于特征融合的電腦字體風(fēng)格分析
        4.4.2 基于特征融合的楷書(shū)四大家風(fēng)格分析
        4.4.3 基于特征融合的顏體四碑體風(fēng)格分析
        4.4.4 基于特征融合的顏體風(fēng)格一致性分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間主要研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于稀疏表示與引導(dǎo)濾波的圖像超分辨率重建[J]. 張萬(wàn)緒,史劍雄,陳曉璇,汪霖,趙明,周延,牛進(jìn)平.  計(jì)算機(jī)工程. 2018(09)
[2]熵權(quán)法融合局部匹配Gabor特征的魯棒人臉識(shí)別[J]. 熊芳敏,岑宇森,曾碧卿.  計(jì)算機(jī)工程與應(yīng)用. 2016(05)
[3]基于稀疏表示與小波特征的人臉識(shí)別分層框架[J]. 翟素蘭,曹慶,謝文浩.  計(jì)算機(jī)工程與應(yīng)用. 2016(14)
[4]中國(guó)書(shū)法的特征提取及識(shí)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(shí)別與提取研究[J]. 段銀雷.  電子技術(shù)與軟件工程. 2015(09)
[6]基于多尺度梯度及深度神經(jīng)網(wǎng)絡(luò)的漢字識(shí)別[J]. 潘煒深,金連文,馮子勇.  北京航空航天大學(xué)學(xué)報(bào). 2015(04)
[7]基于FSVM脫機(jī)手寫(xiě)體漢字分類(lèi)識(shí)別研究[J]. 朱程輝,甘恒,王建平.  計(jì)算機(jī)工程與應(yīng)用. 2014(23)
[8]基于小波特征的單字符漢字字體識(shí)別[J]. 陳力,丁曉青.  電子學(xué)報(bào). 2004(02)

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



本文編號(hào)：3540643