提出一種借助于人工智能的輔助鑒別方法鑒定具有蕉葉紋飾的古陶瓷年代及真?zhèn)?利用局部二值模式（LBP）和方向梯度直方圖（HOG）技術(shù)從古陶瓷圖像的蕉葉紋飾中提取古陶瓷的時代特征,通過蕉葉紋局部二值模式紋飾特征和方向梯度直方圖紋飾特征的融合實現(xiàn)古陶瓷的智能斷代,并采用紋飾相似度衡量古陶瓷的真、偽可能性。以博物館現(xiàn)有館藏古陶瓷圖像資料為基礎(chǔ)進行實驗。結(jié)果表明:該方法不僅可以完成古瓷器準(zhǔn)確斷代,而且能夠發(fā)現(xiàn)蕉葉紋飾的發(fā)展規(guī)律,從而強有力地輔助專家的斷代工作。此外,基于紋飾特征的相似度分析能夠?qū)盘沾傻恼鎮(zhèn)伪孀R提供較有力支撐。 

【文章來源】：硅酸鹽學(xué)報. 2020,48(09)北大核心EICSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

各朝代經(jīng)典蕉葉紋古陶瓷作品

首先，對蕉葉紋古瓷器圖像進行ROI(Region Of Interest)區(qū)域裁剪以獲得蕉葉紋區(qū)域，對ROI區(qū)域進行尺寸歸一化等預(yù)處理操作；其次，分別提取蕉葉紋圖像的LBP特征和HOG特征(這兩種特征是根據(jù)蕉葉紋時代特征凝練而成的)，融合LBP和HOG兩種特征量得到蕉葉紋LBP–HOG融合特征量；最后，利用SVM分類器，根據(jù)LBP–HOG融合特征量實現(xiàn)對蕉葉紋古瓷器的快速、有效斷代。此外，通過對蕉葉紋特征量的統(tǒng)計和分析，還可以得到古陶瓷蕉葉紋的變化規(guī)律。1.2 古陶瓷圖像預(yù)處理

在實際對蕉葉紋紋飾的特征分析中，LBP圖譜雖然能夠清晰地呈現(xiàn)紋飾信息，但是不適合直接作為特征向量輸入到分類器中，其統(tǒng)計直方圖更適合作為特征用于圖像的分類識別。LBP特征提取流程如圖3a所示，首先將經(jīng)預(yù)處理后的蕉葉紋圖像劃分為若干小圖像區(qū)域，以提取到更豐富的特征信息，分別計算每個區(qū)域內(nèi)每個像素點的LBP值，生成若干個LBP圖譜；再分別建立統(tǒng)計直方圖，并依次將其進行連接整合，作為整幅圖像的特征向量即圖像的LBP紋飾特征。

【參考文獻】：
期刊論文
[1]人工智能在模式識別中的關(guān)鍵技術(shù)探究[J]. 周波,謝光.  現(xiàn)代信息科技. 2019(22)
[2]可見-近紅外光譜的古陶瓷斷代分類識別[J]. 吳曉萍,管業(yè)鵬,李偉東,羅宏杰.  光譜學(xué)與光譜分析. 2019(03)
[3]基于紫外–可見–近紅外光譜特征映射矩陣的古陶瓷分類方法[J]. 胡薰尹,管業(yè)鵬,李偉東,羅宏杰.  硅酸鹽學(xué)報. 2018(09)
[4]基于機器視覺古陶瓷無損分類識別[J]. 翁政魁,管業(yè)鵬,羅宏杰.  硅酸鹽學(xué)報. 2017(12)
[5]“瓷上蕉葉”——五彩瓷中蕉葉紋圖式變遷[J]. 劉樂君,胡旋尹.  中國陶瓷. 2016(09)
[6]古瓷類文物器型結(jié)構(gòu)的數(shù)字化特征鑒定[J]. 吳雋,熊露,唐敏,張茂林,吳軍明,李其江,黃夢璇,李家治.  中國科學(xué):技術(shù)科學(xué). 2012(09)
[7]科技創(chuàng)新斷古陶瓷真?zhèn)蝃J]. 馮丹丹,袁筱清.  景德鎮(zhèn)陶瓷. 2010(04)
[8]中國古陶瓷的斷源斷代[J]. 吳雋,羅宏杰,李家治,王海圣,魯曉珂,吳軍明.  硅酸鹽學(xué)報. 2007(S1)
[9]不同歷史時期耀州窯碗器型結(jié)構(gòu)特征之研究[J]. 羅宏杰,楊云,王芬,苗鴻雁,梁寶鎏.  中國陶瓷工業(yè). 2003(06)
[10]宋耀州兔毫天目瓷釉的分相與析晶[J]. 陳顯求.  自然雜志. 1995(06)



本文編號：3625118