本文關(guān)鍵詞： 圖像處理 圖像分析 紋理特征 復(fù)雜網(wǎng)絡(luò) 圖像熵　出處：《激光與光電子學進展》2017年02期 　論文類型：期刊論文

【摘要】：與以題款印鑒為主要依據(jù)的人工分類方法不同,采用圖像內(nèi)容特征作為計算機分類的信息來源,是數(shù)字化中國畫管理的重要工作。針對數(shù)字化中國畫存在的各種不規(guī)范問題和已有特征提取算法的一些不足,提出了基于圖像熵的分塊篩選方法,與復(fù)雜網(wǎng)絡(luò)理論相結(jié)合來提取中國畫的紋理特征,并使用支持向量機進行分類。實驗結(jié)果表明,該方法能有效地提取中國畫紋理特征并進行分類,且在圖像不規(guī)范的情況下依然有較好的表現(xiàn)。
[Abstract]:Different from the manual classification method based on the seal, the image content feature is used as the information source of the computer classification. It is an important work of digital Chinese painting management. Aiming at the various nonstandard problems existing in digital Chinese painting and some shortcomings of existing feature extraction algorithms, this paper proposes a block selection method based on image entropy. Combining with the complex network theory to extract the texture features of Chinese painting and use support vector machine to classify. Experimental results show that this method can effectively extract and classify texture features of Chinese painting. And in the case of non-standard image still has a better performance.
【作者單位】： 西安建筑科技大學信息與控制工程學院;
【基金】：陜西省自然科學基礎(chǔ)研究基金面上項目(2014JM8343)
【分類號】：J212;TP391.41
【正文快照】： 中國畫是我國藝術(shù)和文化的重要表現(xiàn)形式。目前,數(shù)字化對其保存和傳播具有極其重要的意義。數(shù)字化管理的重要環(huán)節(jié)是根據(jù)作者信息對中國畫進行分類。隨著計算機圖像處理和圖像識別技術(shù)的發(fā)展,越來越多的研究者利用圖像特征和紋理分析來進行圖像分類。常見的圖像特征包括灰度特征

【參考文獻】

相關(guān)期刊論文 前8條

1 孫亮;王雙慶;邢建春;;一種基于自適應(yīng)閾值的改進MIC算法[J];微電子學與計算機;2015年05期

2 郭鵬宇;蘇昂;張紅良;張小虎;于起峰;;結(jié)合紋理和形狀特征的在線混合隨機樸素貝葉斯視覺跟蹤器[J];光學學報;2015年03期

3 盛家川;;基于小波變換的國畫特征提取及分類[J];計算機科學;2014年02期

4 張煒;劉偉;普杰信;;一種基于SIFT和區(qū)域選擇的圖像拼接方法[J];微電子學與計算機;2010年06期

5 聶仁燦;周冬明;趙東風;;基于Unit-Linking PCNN和圖像熵的圖像分割新方法[J];系統(tǒng)仿真學報;2008年01期

6 關(guān)曉惠;潘綱;吳朝暉;吳敢;;計算機輔助的國畫真?zhèn)舞b別研究[J];計算機應(yīng)用與軟件;2007年04期

7 陸偉;倪林;;利用顏色和熵提取感興趣區(qū)域的感性圖像檢索[J];中國圖象圖形學報;2006年04期

8 薄華;馬縛龍;焦李成;;圖像紋理的灰度共生矩陣計算問題的分析[J];電子學報;2006年01期

【共引文獻】

相關(guān)期刊論文 前10條

1 張慧娜;李裕梅;傅鶯鶯;;基于Haar-CNN模型的自然場景圖像分類的研究[J];四川師范大學學報(自然科學版);2017年01期

2 徐巖;韋鎮(zhèn)余;;一種改進的交通標志圖像識別算法[J];激光與光電子學進展;2017年02期

3 蔡榮太;朱鵬;;基于馬爾科夫隨機場的多特征人臉跟蹤算法[J];激光與光電子學進展;2017年02期

4 王民;王羽笙;劉濤;胡毅;肖磊;;利用圖像熵和復(fù)雜網(wǎng)絡(luò)的中國畫分類方法[J];激光與光電子學進展;2017年02期

5 王洋;李俊;;基于ASM的改進型人臉特征點定位方法[J];桂林電子科技大學學報;2016年06期

6 謝永華;范文曉;;基于多尺度空間子帶共生矩描述子的花粉圖像特征提取方法研究[J];科學技術(shù)與工程;2016年34期

7 馮筠;劉飛鴻;李盼;卜起榮;王紅玉;;基于格式塔認知框架的腹腔CT多目標分割算法[J];北京郵電大學學報;2016年05期

8 欒書鵬;;基于圖塊和二階統(tǒng)計特征的行人檢測[J];電子設(shè)計工程;2016年20期

9 黃杰;王光輝;胡高強;楊化超;;高分辨率彩色遙感影像變化檢測方法研究[J];測繪通報;2016年08期

10 Qian Wang;Jiuling Du;Na Li;;Robust description and recognition of various viewpoint dynamic textures[J];Journal of Systems Engineering and Electronics;2016年04期

【二級參考文獻】

相關(guān)期刊論文 前10條

1 趙潔;;聯(lián)合Harris特征點與Hu不變矩的圖像區(qū)域復(fù)制篡改盲取證[J];微電子學與計算機;2013年11期

2 王蒙;戴亞平;;基于FAST角點檢測的局部魯棒特征[J];北京理工大學學報;2013年10期

3 丁尤蓉;王敬東;邱玉嬌;俞海波;;基于自適應(yīng)閾值的FAST特征點提取算法[J];指揮控制與仿真;2013年02期

4 肖得勝;劉桂華;;多尺度Harris角點檢測的FPGA實現(xiàn)[J];通信技術(shù);2012年11期

5 夏桂華;李志綱;;基于MIC角點檢測的改進算法[J];應(yīng)用科技;2011年09期

6 夏嵬;魯宏偉;謝長生;趙小廈;;基于改進的不變質(zhì)心和小波域的魯棒數(shù)字圖像水印方法[J];計算機科學;2011年04期

7 張煒;劉偉;普杰信;;一種基于SIFT和區(qū)域選擇的圖像拼接方法[J];微電子學與計算機;2010年06期

8 張輝;趙保軍;唐林波;李建科;;基于自適應(yīng)多特征整合的紅外目標跟蹤[J];光學學報;2010年05期

9 龔平;劉相濱;周鵬;;一種改進的Harris角點檢測算法[J];計算機工程與應(yīng)用;2010年11期

10 楊婷;陳家新;黎蔚;莊玉冊;;一種基于提升小波的自適應(yīng)SUSAN角點檢測算法[J];微電子學與計算機;2009年07期

【相似文獻】

相關(guān)碩士學位論文 前1條

1 曹霞;肌肉疲勞過程中超聲圖像熵特性[D];陜西師范大學;2014年

，

本文編號：1447590