本文關(guān)鍵詞：計(jì)算機(jī)輔助水墨畫分類系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

  更多相關(guān)文章： 水墨畫 分類 真品 贗品

【摘要】：隨著中國藝術(shù)品市場的不斷繁榮,極具中國特色的水墨畫受到了很多人的關(guān)注。市場上出現(xiàn)的大量贗品,不但會擾亂藝術(shù)品市場,而且會極大的干擾中國水墨畫藝術(shù)的學(xué)習(xí)和傳承。因此,本課題對水墨畫基本特征和相關(guān)算法進(jìn)行了深入研究,開發(fā)制作了計(jì)算機(jī)輔助水墨畫分類系統(tǒng),針對水墨畫的真品和贗品進(jìn)行分類。本系統(tǒng)在對水墨畫分類時(shí)解決了如下問題：在水墨畫墨跡的識別和量化處理時(shí)運(yùn)用顏色直方圖與顏色矩(Color Moments)的計(jì)算方法實(shí)現(xiàn)了對暗記和混色的辨識;在針對水墨畫的提款識別量化時(shí),運(yùn)用對筆畫的擾動度和筆畫仰角結(jié)合字的重心解決了對提款中文字的風(fēng)格量化問題；在對印鑒進(jìn)行分析處理時(shí),運(yùn)用L*a*b*色差方法解決墨跡和背景色對印鑒色彩的干擾問題,同時(shí)運(yùn)用了OPTA算法對印鑒骨架進(jìn)行提取。經(jīng)過深入研究和多次樣品采集,發(fā)現(xiàn)水墨畫各元素對系統(tǒng)分類的貢獻(xiàn)度有很大差異,為解決因水墨畫自身特點(diǎn)而對分類帶來的誤差問題,提出了加權(quán)KNN算法,通過對各特征元素進(jìn)行加權(quán)運(yùn)算,提高本系統(tǒng)對水墨畫分類的準(zhǔn)確率。
【關(guān)鍵詞】：水墨畫 分類 真品 贗品
【學(xué)位授予單位】：西北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：J212;TP391.7
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 概述9-14
• 1.1 引言9-11
• 1.1.1 中國水墨畫的認(rèn)識及其特點(diǎn)9-11
• 1.1.2 本系統(tǒng)針對水墨畫在鑒別中的分類11
• 1.2 計(jì)算機(jī)水墨畫分類系統(tǒng)實(shí)現(xiàn)目的和意義11-12
• 1.3 水墨畫分類技術(shù)的發(fā)展現(xiàn)狀12-14
• 1.3.1 傳統(tǒng)的水墨畫分類12
• 1.3.2 計(jì)算機(jī)輔助水墨畫分類系統(tǒng)研究現(xiàn)狀12-14
• 第二章 水墨畫的基本元素及其特征提取14-21
• 2.1 水墨畫主要組成元素14-16
• 2.1.1 墨跡14-15
• 2.1.2 印鑒15-16
• 2.1.3 提款16
• 2.2 水墨畫組成元素特征16-17
• 2.3 元素特征的提取17-20
• 2.3.1 點(diǎn)特征的提取17
• 2.3.2 線特征的提取17-19
• 2.3.3 面特征的提取19
• 2.3.4 顏色特征的提取19-20
• 2.4 本章小結(jié)20-21
• 第三章 系統(tǒng)需求分析21-24
• 3.1 用戶需求分析21-22
• 3.2 技術(shù)可行性22
• 3.3 系統(tǒng)主要功能22-23
• 3.4 系統(tǒng)主要性能23-24
• 第四章 系統(tǒng)設(shè)計(jì)及關(guān)鍵模塊算法24-45
• 4.1 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)24-25
• 4.2 圖像采集模塊25-26
• 4.3 水墨畫各元素特征提取分析處理模塊26-41
• 4.3.1 墨跡26-31
• 4.3.1.1 水墨畫墨跡的形成與認(rèn)識26
• 4.3.1.2 印刷制品的色彩形成原理與認(rèn)識26-27
• 4.3.1.3 復(fù)印制品中的暗記特征和混色現(xiàn)象27-29
• 4.3.1.4 墨跡的識別方法29
• 4.3.1.5 識別算法29-31
• 4.3.2 提款31-36
• 4.3.2.1 提款識別對象31-32
• 4.3.2.2 提款識別方法32-36
• 4.3.2.2.1 仰角特征識別33
• 4.3.2.2.2 擾度特征識別33-34
• 4.3.2.2.3 橫豎筆劃粗細(xì)比34
• 4.3.2.2.4 重心位置34-36
• 4.3.3 印鑒36-41
• 4.3.3.1 水墨畫中印鑒的特征36
• 4.3.3.2 印鑒圖案色彩過濾36-38
• 4.3.3.3 印鑒去噪圖案骨架識別法38-41
• 4.3.3.3.1 使用OPTA算法提取印鑒骨架39
• 4.3.3.3.2 使用改良后OPTA算法提取印鑒骨架39-41
• 4.4 水墨畫分類系統(tǒng)中實(shí)現(xiàn)分類的算法模塊41-44
• 4.4.1 KNN算法41-42
• 4.4.2 KNN算法在水墨畫分類系統(tǒng)中的應(yīng)用42-44
• 4.4.2.1 樣本數(shù)據(jù)選擇42
• 4.4.2.2 特征向量提取42-43
• 4.4.2.3 KNN算法在水墨畫分類中的實(shí)現(xiàn)過程43
• 4.4.2.4 傳統(tǒng)的KNN算法存在的缺陷43
• 4.4.2.5 加權(quán)KNN算法在水墨畫中的使用43-44
• 4.5 本章小結(jié)44-45
• 第五章 系統(tǒng)實(shí)現(xiàn)45-55
• 5.1 系統(tǒng)硬件技術(shù)的實(shí)現(xiàn)45
• 5.2 系統(tǒng)軟件的實(shí)現(xiàn)45-53
• 5.3 本章小結(jié)53-55
• 第六章 系統(tǒng)測試55-62
• 6.1 測試環(huán)境55
• 6.2 系統(tǒng)運(yùn)行測試55-61
• 6.3 系統(tǒng)分類測試結(jié)果分析61
• 6.4 本章小結(jié)61-62
• 第七章 討論和展望62-64
• 7.1 工作總結(jié)62
• 7.2 展望62-64
• 參考文獻(xiàn)64-66
• 致謝66

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 沈書娟;;復(fù)句分類系統(tǒng)中テ形接續(xù)的標(biāo)志作用[J];日語學(xué)習(xí)與研究;2013年06期

2 郭曼;;語篇分類系統(tǒng)與意識形態(tài)——以《愛麗絲夢游仙境》的名詞短語為例[J];廣東廣播電視大學(xué)學(xué)報(bào);2011年05期

3 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 武云飛;;淺談我國魚類分類系統(tǒng)問題[A];中國海洋湖沼學(xué)會魚類學(xué)分會、中國動物學(xué)會魚類學(xué)分會2012年學(xué)術(shù)研討會論文摘要匯編[C];2012年

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 徐風(fēng);ecl@ss電子商務(wù)分類解決方案在中國推進(jìn)[N];中國質(zhì)量報(bào);2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 周志杰;基于投票機(jī)制的文本主客觀分類系統(tǒng)[D];上海交通大學(xué);2015年

2 王西平;計(jì)算機(jī)輔助水墨畫分類系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];西北大學(xué);2015年

3 王笑寒;分類系統(tǒng)在大型商用管理軟件中的實(shí)現(xiàn)[D];吉林大學(xué);2004年

4 王秀麗;基于內(nèi)容的音樂風(fēng)格分類系統(tǒng)的研究與實(shí)現(xiàn)[D];南京郵電大學(xué);2014年

5 許艷紅;基于FPGA的網(wǎng)絡(luò)流量在線分類系統(tǒng)的研究[D];北京郵電大學(xué);2013年

6 李亮雄;基于負(fù)載特征與行為特征相結(jié)合的網(wǎng)絡(luò)流分類系統(tǒng)[D];山東大學(xué);2012年

7 張寧;分眾分類系統(tǒng)的用戶行為特征分析[D];山西大學(xué);2013年

8 陳劍峰;IPTV系統(tǒng)中的節(jié)目分類系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];復(fù)旦大學(xué);2010年

9 梅勝;基于SVM的多層次大類別數(shù)文本分類系統(tǒng)（HJ-TCM）的設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2004年

10 李搏;千兆網(wǎng)絡(luò)數(shù)據(jù)包分類系統(tǒng)的研究與實(shí)現(xiàn)[D];華中科技大學(xué);2006年

，

本文編號：1111589