考古出土的青銅器金文是寶貴的文字材料。準(zhǔn)確、快速地了解其釋義和字形演變源流對考古學(xué)、歷史學(xué)和語言學(xué)研究均有重要意義。本文進(jìn)行了金文拓片的數(shù)據(jù)采集與預(yù)處理,構(gòu)建了金文圖像數(shù)據(jù)庫;研究了金文字頭的字義分類與金文變體精確匹配的識別方法,為文物專家研究金文識別提供科技輔助支持。主要內(nèi)容包括:（1）青銅器金文圖像數(shù)據(jù)庫構(gòu)建。以《新金文編》等權(quán)威文獻(xiàn)資料為金文信息采集的原始數(shù)據(jù)源,研究了金文圖像的自動采集分割與預(yù)處理方法,實(shí)現(xiàn)了原始數(shù)據(jù)的數(shù)字化標(biāo)準(zhǔn)采集;分析了金文、青銅器、字義之間的關(guān)聯(lián)關(guān)系,基于關(guān)系數(shù)據(jù)庫的原理,設(shè)計(jì)了漢字--金文--青銅器數(shù)據(jù)之間的ER關(guān)系,構(gòu)建了IB數(shù)據(jù)庫對青銅器金文數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化存儲。（2）基于混合特征和SVM的金文圖像字頭分類識別方法研究。針對單一金文特征無法表征金文問題,研究了混合特征的青銅器金文圖像字頭分類識別方法。針對當(dāng)前金文圖像樣本較少不利于分類器訓(xùn)練的問題,基于金文圖像數(shù)據(jù)庫,利用生成對抗網(wǎng)絡(luò)擴(kuò)充訓(xùn)練樣本。提取金文圖像的方向梯度直方圖特征（HOG）與灰度共生矩陣特征（GLCM）,將結(jié)構(gòu)特征和局部特征相結(jié)合訓(xùn)練SVM分類器,實(shí)現(xiàn)青銅器金文圖像字頭的識別,提高了識別... 

【文章來源】：西安建筑科技大學(xué)陜西省

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 青銅器金文信息提取領(lǐng)域研究現(xiàn)狀
        1.2.2 青銅器金文信息收錄研究現(xiàn)狀
        1.2.3 青銅器金文識別研究現(xiàn)狀
    1.3 論文的框架結(jié)構(gòu)
2 金文圖像預(yù)處理及數(shù)據(jù)庫構(gòu)建
    2.1 金文基礎(chǔ)數(shù)據(jù)自動化采集
    2.2 金文圖像數(shù)據(jù)預(yù)處理及標(biāo)準(zhǔn)化
        2.2.1 金文圖像底色變換
        2.2.2 金文圖像歸一化
        2.2.3 金文圖像去噪
        2.2.4 金文圖像數(shù)據(jù)擴(kuò)充
    2.3 金文數(shù)據(jù)庫構(gòu)建
    2.4 本章小結(jié)
3 基于混合特征和SVM的金文圖像字頭分類識別
    3.1 金文圖像特征提取
        3.1.1 金文圖像結(jié)構(gòu)特征提取
        3.1.2 金文圖像局部特征提取
    3.2 基于SVM分類器混合特征金文圖像字頭分類識別算法
    3.3 實(shí)驗(yàn)及結(jié)果分析
        3.3.1 實(shí)驗(yàn)環(huán)境及數(shù)據(jù)準(zhǔn)備
        3.3.2 金文圖像分類器核參數(shù)選擇
        3.3.3 金文圖像HOG特征參數(shù)選擇
        3.3.4 金文圖像字頭分類識別結(jié)果與分析
        3.3.5 基于聚類的金文圖像字頭分類識別結(jié)果與分析
    3.4 本章小結(jié)
4 基于降維SIFT-RANSAC的金文圖像變體匹配識別
    4.1 基于降維SIFT-RANSAC的金文圖像變體匹配識別算法
    4.2 金文圖像降維SIFT特征提取
        4.2.1 金文圖像SIFT特征提取
        4.2.2 金文圖像SIFT特征降維
    4.3 基于RANSAC的金文圖像SIFT特征優(yōu)化
    4.4 實(shí)驗(yàn)及結(jié)果分析
        4.4.1 匹配閾值設(shè)定
        4.4.2 降維SIFT-RANSAC算法性能比較
        4.4.3 拓片識別匹配
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
附錄 攻讀碩士學(xué)位期間研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于方向梯度直方圖和灰度共生矩陣混合特征的金文圖像識別[J]. 趙若晴,王慧琴,王可,王展,劉文騰.  激光與光電子學(xué)進(jìn)展. 2020(12)
[2]基于葉片數(shù)字紋理特征自動識別胡頹子屬植物[J]. 王雷宏,陳永生,鄭玉紅.  中國農(nóng)學(xué)通報. 2020(11)
[3]基于改進(jìn)k-means算法的數(shù)字圖像聚類[J]. 高西,胡子牧.  液晶與顯示. 2020(02)
[4]一種基于生成式對抗網(wǎng)絡(luò)的圖像數(shù)據(jù)擴(kuò)充方法[J]. 王海文,邱曉暉.  計(jì)算機(jī)技術(shù)與發(fā)展. 2020(03)
[5]基于WOA-SVR的客戶關(guān)系管理有效性評價研究[J]. 謝偉彤,江帆,席本玉.  微型電腦應(yīng)用. 2019(07)
[6]應(yīng)用改進(jìn)的灰度共生矩陣識別木材紋理多重特征值[J]. 王清濤,楊潔.  西北林學(xué)院學(xué)報. 2019(03)
[7]信息熵加權(quán)的HOG特征提取算法研究[J]. 林克正,張?jiān)?李昊天.  計(jì)算機(jī)工程與應(yīng)用. 2020(06)
[8]基于灰度梯度共生矩陣的桌面灰塵檢測算法[J]. 張宇波,張亞東,張彬.  計(jì)算機(jī)應(yīng)用. 2019(08)
[9]基于改進(jìn)SIFT的無人機(jī)航拍圖像快速匹配[J]. 韓宇,宗群,邢娜.  南開大學(xué)學(xué)報(自然科學(xué)版). 2019(01)
[10]基于多核支持向量回歸的光譜反射率重建方法[J]. 趙麗娟,王慧琴,王可,王展,劉加林,楊蕾.  液晶與顯示. 2018(12)

碩士論文
[1]基于小波變換和HOG特征的人臉識別研究[D]. 鄭能心.浙江工商大學(xué) 2020
[2]圖像識別技術(shù)在古生物化石圖像上的應(yīng)用[D]. 劉曦陽.吉林大學(xué) 2018
[3]基于OMR識別的綜合素質(zhì)評價系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 胡彥新.吉林大學(xué) 2017
[4]基于多尺度金字塔特征塊提取HOG特征的新型人臉識別算法[D]. 張昊.吉林大學(xué) 2017
[5]基于PSO-SVR的渲染時間預(yù)估研究[D]. 張冉.江蘇科技大學(xué) 2016
[6]基于深度學(xué)習(xí)的自然場景文本識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 馬然.吉林大學(xué) 2015
[7]基于預(yù)分類的圖像識別研究[D]. 吳銀玲.重慶大學(xué) 2015
[8]商周金文管理與識別系統(tǒng)的研究與實(shí)現(xiàn)[D]. 李昕鑫.安徽大學(xué) 2014



本文編號：3195458