書法是中華民族的傳統(tǒng)文化藝術(shù)的重要組成部分,使用基于圖像處理與模式識(shí)別的方法來進(jìn)行書法識(shí)別、檢索及風(fēng)格鑒賞等具有很重要的意義。近年來,深度學(xué)習(xí)技術(shù)越來越深入和廣泛地應(yīng)用于圖像和識(shí)別領(lǐng)域。針對(duì)傳統(tǒng)圖像特征描述子在圖像表征方面的不足和識(shí)別效率不高的缺陷,本文提出基于深度學(xué)習(xí)的書法風(fēng)格識(shí)別方法,將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于書法風(fēng)格識(shí)別,極大地提高了風(fēng)格識(shí)別的準(zhǔn)確率。本文的主要工作包括以下三個(gè)方面:首先,對(duì)書法風(fēng)格識(shí)別的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了系統(tǒng)的分析,對(duì)文字檢測(cè)、識(shí)別與書法風(fēng)格識(shí)別及本文研究?jī)?nèi)容進(jìn)行了闡述。并在此基礎(chǔ)上,對(duì)傳統(tǒng)圖像特征提取與識(shí)別方法進(jìn)行了總結(jié)。在特征提取方面,研究了Gabor、小波、Gist特征等;在識(shí)別方法上,研究了SVM分類器及優(yōu)化策略等。接著,本文提出基于卷積神經(jīng)網(wǎng)絡(luò)的書法風(fēng)格識(shí)別方法。研究了基于LeNet-5模型、Google Net模型及Res Net模型的識(shí)別方法,以及三種模型的網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練方法,并在TensorFlow框架下將模型針對(duì)書法風(fēng)格識(shí)別進(jìn)行了匹配應(yīng)用,在標(biāo)準(zhǔn)電腦字庫及課題組構(gòu)建的楷書四大家字庫上取得良好效果。第三,對(duì)LeNet-5模型進(jìn)行了改進(jìn),改進(jìn)后的模型中... 

【文章頁數(shù)】：68 頁

【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 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 文字檢測(cè)與識(shí)別
        1.2.2 書法風(fēng)格識(shí)別
    1.3 本文主要研究?jī)?nèi)容
    1.4 本文組織結(jié)構(gòu)
2 經(jīng)典的書法風(fēng)格識(shí)別算法
    2.1 數(shù)據(jù)預(yù)處理
        2.1.1 自適應(yīng)最小包圍盒算法
        2.1.2 填充歸一化
        2.1.3 標(biāo)準(zhǔn)電腦體數(shù)據(jù)集
    2.2 常用特征提取算法
        2.2.1 Gabor特征
        2.2.2 小波特征
        2.2.3 Gist特征
    2.3 SVM分類器
        2.3.1 線性可分的SVM
        2.3.2 核函數(shù)的非線性SVM
        2.3.3 SVM多分類
    2.4 實(shí)驗(yàn)結(jié)果及分析
    2.5 本章小結(jié)
3 基于卷積神經(jīng)網(wǎng)絡(luò)的書法風(fēng)格識(shí)別
    3.1 卷積神經(jīng)網(wǎng)絡(luò)概述
        3.1.1 卷積神經(jīng)網(wǎng)絡(luò)
        3.1.2 TensorFlow框架
        3.1.3 反向傳播算法
        3.1.4 梯度下降算法
        3.1.5 Softmax
    3.2 基于經(jīng)典CNN模型的書法風(fēng)格識(shí)別
        3.2.1 基于LeNet-5模型的書法風(fēng)格識(shí)別
        3.2.2 基于GoogleNet模型的書法風(fēng)格識(shí)別
        3.2.3 基于ResNet模型的書法風(fēng)格識(shí)別
    3.3 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
4 基于改進(jìn)模型的書法風(fēng)格識(shí)別
    4.1 改進(jìn)LENET-5模型的書法風(fēng)格識(shí)別
        4.1.1 LeNet-5模型的改進(jìn)
        4.1.2 模型的訓(xùn)練
        4.1.3 特征可視化
    4.2 C-LENET模型的書法風(fēng)格識(shí)別
        4.2.1 C-LeNet模型結(jié)構(gòu)
        4.2.2 C-LeNet模型訓(xùn)練
    4.3 實(shí)驗(yàn)結(jié)果及分析
    4.4 本章小結(jié)
5 總結(jié)和展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
附錄


【參考文獻(xiàn)】：
期刊論文
[1]軟硬兼施的行書學(xué)法(十四)[J]. 何曉東.  中國(guó)鋼筆書法. 2014(08)
[2]明清書論集(代序)[J]. 崔爾平.  中國(guó)書法. 2011(11)

碩士論文
[1]基于輪廓的形狀匹配方法研究[D]. 余江.安徽大學(xué) 2013



本文編號(hào)：3663161