[发明专利]一种基于主体的国画图像和书法图像的识别方法

权利要求书

1.一种基于主体的国画图像和书法图像的识别方法，其包括如下步骤：

(1)利用扫描仪扫描中国近代以前的国画作品和历史上出现过的书法作品，得到国画作品和书法作品的样本图像；

(2)对样本图像进行基于Top-down的图像预处理，其包括如下步骤：

①将样本图像从RGB颜色空间转换到HSV颜色空间；

②对步骤①得到的HSV颜色空间的样本图像做Canny算子的边缘检测；

③对步骤②得到的边缘检测的样本图像做边缘膨胀的处理；

④对步骤③得到的边缘膨胀的样本图像做区域填充的处理；

⑤对步骤④得到的区域填充的样本图像的填充区域以外的背景区域进行颜色信息的统计，包括对HSV颜色空间中的各个分量进行统计，得出各个分量的平均值Ave_H、Ave_S、Ave_V；

⑥对初始扫描得到的样本图像进行全图逐个像素的遍历，样本图像每个像素点的HSV颜色空间的H、S、V各个分量的值分别与HSV颜色空间中各个分量的平均值Ave_H、Ave_S、Ave_V做差值运算，将差值运算结果与阈值进行比较，在阈值范围内的像素点认为是留白区域，将其设定为统一颜色；

(3)从扫描得到的样本图像中随机选取训练样本图像和测试样本图像；

(4)从训练样本图像中提取训练样本图像的主体特征向量，并训练分类器，其包括如下步骤：

①经过步骤(2)图像预处理得到训练样本图像的灰度直方图，灰度为256阶；

②对于训练样本图像灰度直方图中的每个颜色区间bin统计出在训练样本图像中出现的次数总和Total，每个训练样本图像最后生成一个256维的主体特征向量，完成训练样本图像的主体特征向量的提取，考虑到不同训练样本图像的大小，采用以下公式计算：

Total_bin=TotalWide×High,]]>

其中，Wide，High分别表示训练样本图像的宽和高；

(5)训练样本图像分类器，从测试样本图像中提取主体特征向量，利用训练好的样本图像分类器进行识别，其包括如下步骤：

①对提取好的训练样本图像的主体特征向量，基于机器学习模型进行训练，得到训练好的样本图像分类器；

②提取测试样本图像的主体特征向量；

③对于提取的测试样本图像的主体特征向量，运用训练好的样本图像分类器，进行识别，得出识别的结果。

2.如权利要求1所述的一种基于主体的国画图像和书法图像的识别方法，其特征在于：所述步骤(3)从扫描得到的样本图像中随机选取训练样本图像和测试样本图像包括如下步骤①定义样本图像类别，编号为1或0，1表示国画样本图像，0表示书法样本图像；②用于待识别样本图像为I，标记为{I₁，I₂}，其中I₁表示书法样本图像，记为I₁＝{C₁，C₂...C_n}，C_i(i＝1，2...n)表示为扫描得到的书法样本图像，I₂表示国画样本图像，记为I₂＝{P₁，P₂...P_n}，P_i(i＝1，2...n)表示为扫描得到的国画样本图像；③分别从I₁、I₂中随机选取设定数量的样本图像作为训练样本图像集T，记为{I₁′，I₂′}，I₁′表示书法训练样本图像，I₂′表示国画训练样本图像，将I₁、I₂中剩余的样本图像作为测试样本图像集e_i(i＝1，2...m)为测试样本图像。

3.如权利要求1或2所述的一种基于主体的国画图像和书法图像的识别方法，其特征在于：所述步骤(5)中的①基于机器学习模型进行训练采用的算法为决策树算法，人工神经网络，支持向量机算法，贝叶斯学习算法中的一种。