古陶瓷是歷史發(fā)展過(guò)程中科技水平、藝術(shù)風(fēng)格、文化元素等的綜合反映,尤其中國(guó)古陶瓷,通過(guò)精湛的工藝技術(shù)與豐富的器型和紋飾特征,淋漓盡致地展現(xiàn)了中國(guó)傳統(tǒng)文化的精髓,具有重要的歷史、藝術(shù)與科學(xué)研究?jī)r(jià)值,也具有收藏和投資等價(jià)值�，F(xiàn)今,文物的真?zhèn)舞b別正在遭遇前所未有的信任危機(jī),并且現(xiàn)有的古陶瓷“目鑒”和“科鑒”方法都存在著某種局限與偏差。由于因地制宜的原料選擇,不同的成型和裝飾工藝,以及燒成溫度等的不同,造就了豐富的器型和紋飾圖像特征。對(duì)“目鑒”中存在器型、紋飾特征不可量化描述,鑒定結(jié)論過(guò)于依賴主觀的問(wèn)題,本研究中通過(guò)機(jī)器對(duì)古陶瓷器型、紋飾和銘文款識(shí)三個(gè)主要視覺(jué)特征進(jìn)行提取、量化和識(shí)別,探討機(jī)器替代專(zhuān)家進(jìn)行古陶瓷無(wú)損智能識(shí)別的思路和實(shí)現(xiàn)方法。具體研究結(jié)果如下:（1）古陶瓷的圖像特征與具體原料選擇和工藝技術(shù)密切相關(guān),完整獲取古陶瓷的圖像特征是實(shí)現(xiàn)古陶瓷圖像特征識(shí)別的前提。由于區(qū)域生長(zhǎng)古陶瓷圖像特征提取方法提取的質(zhì)量與背景像素密切相關(guān),且不具備可泛化性。本文提出了一種基于深度學(xué)習(xí)提取方法,以EasyDL為深度學(xué)習(xí)支撐平臺(tái),對(duì)耀州窯、青花瓷和越窯5834張272類(lèi)古陶瓷圖像經(jīng)過(guò)手動(dòng)標(biāo)記和訓(xùn)練學(xué)習(xí)后進(jìn)行提... 

【文章來(lái)源】：陜西科技大學(xué)陜西省

【文章頁(yè)數(shù)】：134 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 引言
    1.2 課題背景及意義
        1.2.1 古陶瓷識(shí)別的意義
        1.2.2 古陶瓷識(shí)別的主要方法
        1.2.3 人工智能技術(shù)與古陶瓷識(shí)別
        1.2.4 本研究的目的及意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 文物智能識(shí)別
        1.3.2 古陶瓷信息采集
        1.3.3 人工智能行業(yè)應(yīng)用
        1.3.4 古陶瓷科技鑒定
        1.3.5 古陶瓷信息采集與識(shí)別技術(shù)發(fā)展方向
    1.4 主要研究?jī)?nèi)容與結(jié)構(gòu)安排
        1.4.1 主要研究?jī)?nèi)容
        1.4.2 技術(shù)路線與創(chuàng)新點(diǎn)
        1.4.3 論文結(jié)構(gòu)安排
2 古陶瓷整體圖像特征提取
    2.1 引言
    2.2 古陶瓷工藝與圖像特征
        2.2.1 原料選擇
        2.2.2 處理工藝
        2.2.3 主要元素成分
        2.2.4 燒成
    2.3 古陶瓷圖像特征提取方法
        2.3.1 古陶瓷圖像背景像素問(wèn)題
        2.3.2 區(qū)域生長(zhǎng)提取方法
        2.3.3 基于深度學(xué)習(xí)的提取方法
    2.4 基于深度學(xué)習(xí)古陶瓷圖像特征提取驗(yàn)證
        2.4.1 耀州窯和青花瓷驗(yàn)證
        2.4.2 越窯驗(yàn)證
        2.4.3 低提取率驗(yàn)證
        2.4.4 數(shù)據(jù)集驗(yàn)證
        2.4.5 驗(yàn)證結(jié)果分析
    2.5 區(qū)域生長(zhǎng)與深度學(xué)習(xí)提取方法對(duì)比分析
    2.6 本章小結(jié)
3 古陶瓷器型圖像特征提取與識(shí)別
    3.1 引言
    3.2 古陶瓷器型圖像特征提取與識(shí)別方法
        3.2.1 古陶瓷器型圖像特征提取方法
        3.2.2 古陶瓷器型圖像特征識(shí)別方法
    3.3 古陶瓷器型圖像特征提取與識(shí)別驗(yàn)證
        3.3.1 梅瓶器型提取與識(shí)別
        3.3.2 膽瓶器型提取與識(shí)別
        3.3.3 數(shù)據(jù)集驗(yàn)證
        3.3.4 古陶瓷器型圖像特征提取與識(shí)別方法總結(jié)
    3.4 本章小結(jié)
4 古陶瓷紋圖像特征識(shí)別
    4.1 引言
    4.2 古陶瓷物理化學(xué)性能與紋飾圖像特征
        4.2.1 樣品表征
        4.2.2 樣本
        4.2.3 測(cè)試結(jié)果分析
    4.3 古陶瓷紋飾圖像特征量化識(shí)別方法
        4.3.1 古陶瓷紋飾圖像特征識(shí)別方法
        4.3.2 古陶瓷紋飾圖像特征量化方法
    4.4 古陶瓷紋飾圖像特征量化識(shí)別驗(yàn)證
        4.4.1 耀州窯青瓷(椒鹽噪聲)
        4.4.2 越窯青瓷(部分缺失)
        4.4.3 粉彩梅花紋尊(椒鹽噪聲)
        4.4.4 康熙款畫(huà)法郎玉堂富貴直口瓶(部分缺失)
        4.4.5 多維特征融合古陶瓷紋飾圖像特征量化識(shí)別方法總結(jié)
    4.5 本章小結(jié)
5 古陶瓷銘文款識(shí)圖像特征識(shí)別
    5.1 引言
    5.2 古陶瓷銘文款識(shí)圖像特征識(shí)別方法
        5.2.1 銘文款識(shí)圖像特征分割識(shí)別
        5.2.2 銘文款識(shí)圖像特征整體識(shí)別
        5.2.3 基于深度學(xué)習(xí)的銘文款識(shí)圖像特征整體識(shí)別
    5.3 基于深度學(xué)習(xí)的古陶瓷銘文款識(shí)圖像特征識(shí)別驗(yàn)證
        5.3.1 同一類(lèi)型驗(yàn)證
        5.3.2 不同類(lèi)型驗(yàn)證
        5.3.3 基于深度學(xué)習(xí)的銘文款識(shí)圖像特征識(shí)別方法總結(jié)與討論
    5.4 本章小結(jié)
6 古陶瓷器型和紋飾圖像特征識(shí)別系統(tǒng)
    6.1 引言
    6.2 系統(tǒng)需求分析
        6.2.1 系統(tǒng)邏輯功能
    6.3 系統(tǒng)設(shè)計(jì)
        6.3.1 系統(tǒng)架構(gòu)
        6.3.2 系統(tǒng)主要功能
        6.3.3 系統(tǒng)模塊劃分
        6.3.4 系統(tǒng)數(shù)據(jù)庫(kù)設(shè)計(jì)
        6.3.5 系統(tǒng)服務(wù)層設(shè)計(jì)
        6.3.6 系統(tǒng)關(guān)鍵技術(shù)
    6.4 系統(tǒng)應(yīng)用測(cè)試
    6.5 本章小結(jié)
7 結(jié)論
附錄
致謝
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄


【參考文獻(xiàn)】：
期刊論文
[1]基于HSV顏色空間的運(yùn)動(dòng)目標(biāo)識(shí)別[J]. 付長(zhǎng)斐,葉賓,李會(huì)軍.  控制與信息技術(shù). 2020(02)
[2]基于時(shí)頻分析和CNN的雷達(dá)輻射源識(shí)別算法[J]. 黃智,王俊杰,石國(guó)良.  艦船電子工程. 2020(01)
[3]基于CNN的深層次特征提取紙病辨識(shí)方法研究[J]. 高樂(lè)樂(lè),周強(qiáng),王偉剛.  中國(guó)造紙學(xué)報(bào). 2019(04)
[4]基于復(fù)數(shù)域CNN的艦船目標(biāo)識(shí)別算法[J]. 化青龍,黃斌,陳雪峰,李高鵬,張?jiān)?  指揮信息系統(tǒng)與技術(shù). 2019(06)
[5]基于CNN和RNN聯(lián)合網(wǎng)絡(luò)的心音自動(dòng)分類(lèi)[J]. 李偉,楊向東,陳懇.  計(jì)算機(jī)工程與設(shè)計(jì). 2020(01)
[6]基于歐氏距離分析的電力變壓器繞組變形程度與類(lèi)型的診斷方法[J]. 張重遠(yuǎn),胡煥,程槐號(hào),劉云鵬,徐康,張攀,周婧嫻.  高壓電器. 2020(01)
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別[J]. 秦川.  電子技術(shù)與軟件工程. 2020(01)
[8]基于顏色和紋理特征的森林火災(zāi)圖像識(shí)別[J]. 李巨虎,范睿先,陳志泊.  華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(01)
[9]基于分水嶺分割算法對(duì)燕麥籽粒識(shí)別中粘連區(qū)域的分割[J]. 燕紅文,崔清亮.  計(jì)算機(jī)時(shí)代. 2020(01)
[10]基于虛擬曝光融合的光照自適應(yīng)人臉圖像增強(qiáng)方法[J]. 靳曉緣,徐望明,伍世虔.  武漢科技大學(xué)學(xué)報(bào). 2020(01)

博士論文
[1]宋元陶瓷枕的考古學(xué)研究[D]. 劉輝.吉林大學(xué) 2019
[2]基于形態(tài)特征的幾種非織造用纖維的檢測(cè)及算法研究[D]. 王飛.東華大學(xué) 2019
[3]基于學(xué)習(xí)優(yōu)化與信息融合的陶瓷文物碎片分類(lèi)研究[D]. 王克剛.西北大學(xué) 2017

碩士論文
[1]可見(jiàn)光-近紅外HSV融合的場(chǎng)景類(lèi)字典稀疏識(shí)別[D]. 魏嫚.南京郵電大學(xué) 2019
[2]幾種數(shù)據(jù)挖掘算法在古陶瓷斷源斷代分析中的應(yīng)用[D]. 梁思琦.景德鎮(zhèn)陶瓷大學(xué) 2019
[3]元青花梅瓶造型與紋飾的美學(xué)研究[D]. 程婷.景德鎮(zhèn)陶瓷大學(xué) 2019
[4]基于用戶體驗(yàn)下的手機(jī)銀行APP界面設(shè)計(jì)研究[D]. 張晨.河北大學(xué) 2019
[5]基于遷移學(xué)習(xí)的車(chē)牌識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 曾臻.北京郵電大學(xué) 2019
[6]基于深度學(xué)習(xí)的礦用地磅車(chē)牌識(shí)別研究[D]. 徐丹.西安科技大學(xué) 2019
[7]基于多元統(tǒng)計(jì)和智能算法的古陶瓷分類(lèi)研究[D]. 寧發(fā)艷.景德鎮(zhèn)陶瓷大學(xué) 2019
[8]論宋代古陶瓷裝飾對(duì)現(xiàn)代陶藝創(chuàng)作的啟示[D]. 楊文君.華南理工大學(xué) 2019
[9]邛窯古陶瓷發(fā)展初步研究[D]. 吳俊芳.四川省社會(huì)科學(xué)院 2019
[10]全局與局部融合的圖像增強(qiáng)算法研究[D]. 王仕女.杭州電子科技大學(xué) 2019



本文編號(hào)：3629896