基于風格特征和Fisher Vector的中國木版年畫圖像分類研究_7314.pdf

1、基于風格基于風格特征特征和FisherVect的中國木中國木版年畫圖像分類研究版年畫圖像分類研究StyleFeatureFisherVectbasedClassificationofChineseTraditionalWoodcutPaintings領域：軟件工程作者姓名：王亞婧指導教師：萬亮企業(yè)導師：李松天津大學軟件學院2015年12月中文摘要中文摘要中國木版年畫是中華民族傳統(tǒng)文化的一種重要的表現(xiàn)形式，也是中國民俗藝術的燦爛瑰寶，是我

2、們應當珍惜和保護的珍貴文化遺產(chǎn)。而基于內容的圖像檢索與分類一直以來都是圖像處理領域備受關注的熱門課題。它避免了傳統(tǒng)基于注解的圖像檢索與分類中文字標注工作的繁瑣，而是依據(jù)圖像在視覺上的相似性力求達到以圖查圖、以圖分圖的目的。近些年來對于這個課題的研究不斷涌現(xiàn)出新的想法或者改進技術。我們創(chuàng)造性地將圖像的分類技術應用到中國木版年畫圖像上面，這種圖像與其他一般圖像相比有著自己獨特的性質，顏色、梯度、紋理、筆觸粗細等圖像特征不僅使它們區(qū)別于一般常

3、見圖像，同時也是它們內部區(qū)分不同產(chǎn)地、年代、風格等的重要指標。所以我們的工作不僅對于圖像分類技術提出了新的嘗試和可能性，同時也為中國傳統(tǒng)文化的珍惜和保護做出了綿薄的貢獻。根據(jù)木版年畫的風格特點，我們首先有針對性地提取了圖像的顏色、梯度、紋理、筆觸等特征組成全局描述符，設計了通過圖像風格而非內容來分類到具有相近表現(xiàn)形式的年畫圖像產(chǎn)地類別的方法。另一方面，由于FisherVect框架是目前最先進的分塊特征編碼技術，這種編碼策略不僅效率高而且

4、精度損失較低，即使使用線性分類器也可以產(chǎn)生出色的結果。所以我們使用這種技術將數(shù)量較多的局部SIFT描述符編碼成為高維度的特征向量，將這種當前最先進的基于內容的圖像表征方式同樣運用到木版年畫圖像的產(chǎn)地分類工作中。在實驗過程中，我們將上面提到的年畫風格特征與FisherVect特征對于年畫圖像產(chǎn)地分類的結果進行了比較和分析，實驗證明，我們的風格特征比FisherVect具有更高的分類準確度。關鍵詞關鍵詞：木版年畫、圖像分類、風格特征、Fis