書法是中華民族的傳統(tǒng)文化藝術的重要組成部分,使用基于圖像處理與模式識別的方法來進行書法識別、檢索及風格鑒賞等具有很重要的意義。近年來,深度學習技術越來越深入和廣泛地應用于圖像和識別領域。針對傳統(tǒng)圖像特征描述子在圖像表征方面的不足和識別效率不高的缺陷,本文提出基于深度學習的書法風格識別方法,將卷積神經(jīng)網(wǎng)絡應用于書法風格識別,極大地提高了風格識別的準確率。本文的主要工作包括以下三個方面:首先,對書法風格識別的國內(nèi)外研究現(xiàn)狀進行了系統(tǒng)的分析,對文字檢測、識別與書法風格識別及本文研究內(nèi)容進行了闡述。并在此基礎上,對傳統(tǒng)圖像特征提取與識別方法進行了總結。在特征提取方面,研究了Gabor、小波、Gist特征等;在識別方法上,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)絡的書法風格識別方法。研究了基于LeNet-5模型、Google Net模型及Res Net模型的識別方法,以及三種模型的網(wǎng)絡結構和訓練方法,并在TensorFlow框架下將模型針對書法風格識別進行了匹配應用,在標準電腦字庫及課題組構建的楷書四大家字庫上取得良好效果。第三,對LeNet-5模型進行了改進,改進后的模型中... 

【文章頁數(shù)】：68 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 國內(nèi)外研究現(xiàn)狀
        1.2.1 文字檢測與識別
        1.2.2 書法風格識別
    1.3 本文主要研究內(nèi)容
    1.4 本文組織結構
2 經(jīng)典的書法風格識別算法
    2.1 數(shù)據(jù)預處理
        2.1.1 自適應最小包圍盒算法
        2.1.2 填充歸一化
        2.1.3 標準電腦體數(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 實驗結果及分析
    2.5 本章小結
3 基于卷積神經(jīng)網(wǎng)絡的書法風格識別
    3.1 卷積神經(jīng)網(wǎng)絡概述
        3.1.1 卷積神經(jīng)網(wǎng)絡
        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模型的書法風格識別
        3.2.1 基于LeNet-5模型的書法風格識別
        3.2.2 基于GoogleNet模型的書法風格識別
        3.2.3 基于ResNet模型的書法風格識別
    3.3 實驗結果與分析
    3.4 本章小結
4 基于改進模型的書法風格識別
    4.1 改進LENET-5模型的書法風格識別
        4.1.1 LeNet-5模型的改進
        4.1.2 模型的訓練
        4.1.3 特征可視化
    4.2 C-LENET模型的書法風格識別
        4.2.1 C-LeNet模型結構
        4.2.2 C-LeNet模型訓練
    4.3 實驗結果及分析
    4.4 本章小結
5 總結和展望
    5.1 總結
    5.2 展望
致謝
參考文獻
附錄


【參考文獻】：
期刊論文
[1]軟硬兼施的行書學法(十四)[J]. 何曉東.  中國鋼筆書法. 2014(08)
[2]明清書論集(代序)[J]. 崔爾平.  中國書法. 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 2013



本文編號：3663161