[发明专利]一种基于人眼视觉深度学习的国画所属画家自动识别方法

说明书

本发明公开了一种基于人眼视觉深度学习的国画所属画家自动识别方法，涉及基于视觉处理机制的深度学习在艺术领域的应用，该方法对样本数据集中的每副国画样本进行视觉前端显著性处理提取得到视觉显著图后，基于每个像素点及其邻域像素点的像素值关系进行视觉后端感知信息处理得到有序风格效果图，以每副幅国画样本处理得到的有序风格效果图为输入、对应的画家为输出，利用样本数据集基于卷积神经网络进行模型训练得到画家识别模型，然后利用画家识别模型即可以识别得到待识别国画所属的画家，该方法充分考虑了人眼视觉的感知特性和观赏者的主观判断经验，相比于现有的各种识别方法来说，提高了自动识别的准确率，和观赏者判断的结果高度一致。

技术领域

本发明涉及基于视觉处理机制的深度学习在艺术领域的应用，尤其是一种基于人眼视觉深度学习的国画所属画家自动识别方法。

背景技术

随着生活水平的提高，人们对精神生活的追求越来越高，其中对中国画的鉴赏需求也逐步提高。网络或者数字博物馆中出现了大量的数字中国画，但如何高效地利用、管理这些画作成为亟待解决的问题。因此，对中国画艺术风格及其作者进行自动分类识别的研究具有很大的实用价值。在中国画特征提取及分类这一领域，已有的相关研究。Li等设计了相关算法分类沈周、唐寅、张大千等画家的画作，但是不能全面地描述画作信息，且其对其他重要信息的忽略导致分类结果并不理想。Jiang等对工笔、写意2类中国画提取颜色特征和纹理特征，采用支持向量机(support vector machine,SVM)进行分类。陈俊杰等对山水和花鸟类中国画进行颜色、形状等方面的特征提取，并采用SVM进行分类。Sun等提出用蒙特卡罗凸包模型进行特征选择，并针对中国画作者分类。刘晓巍等通过图像颜色板熵、冗余度、有序度、复杂度等4个特征对不同的画派进行区分，但是该算法仅提取了颜色相关的特征，未考虑其他特征对分类的影响。王征等提出监督式异构稀疏特征选择算法进行特征筛选并对中国画作者分类。Sheng等提出了Fusion算法，以信息熵整合整体特征和局部特征的分类结果，并利用3层小波变换的方法提取纹理特征用于中国画分类。现有文献采用传统特征提取方法提取中国画的特征，其获取的特征较为单一和片面。此外，陆等人利用神经网络提取中国画特征，Tenenbaum等提出了嵌入式机器学习的特征识别方法，李玉芝等使用卷积神经网络(CNN)提取国画视觉特征，采用改进嵌入式学习算法对国画艺术家作品进行分类，张佳婧等采用了人工评估与回归分析策略。

目前国画的特征提取及自动识别仍旧存在如下问题：1)国画体征提取方法都是基于图像像素域内的各种数学建模算法，没有考虑观赏者的人眼感知特性和主观判断经验，使得各种方法的自动识别准确率不高，和观赏者判断的结果存在较大的差距；2)对国画图像质量要求较高，任何的噪声污染和人为的干预，都会使得现有方法的性能下降或者失效。

发明内容

本发明人针对上述问题及技术需求，提出了一种基于人眼视觉深度学习的国画所属画家自动识别方法，本发明的技术方案如下：

一种基于人眼视觉深度学习的国画所属画家自动识别方法，该方法包括：

构建样本数据集，样本数据集中包括属于若干个不同的画家的若干幅国画样本；

对样本数据集中的每副国画样本进行视觉前端显著性处理提取得到视觉显著图；

基于每个像素点及其邻域像素点的像素值关系对视觉显著图进行视觉后端感知信息处理得到有序风格效果图；

以每副幅国画样本处理得到的有序风格效果图为输入、对应的画家为输出，利用样本数据集基于卷积神经网络进行模型训练得到画家识别模型；

提取待识别国画的有序风格效果图并输入画家识别模型，输出识别得到的待识别国画所属的画家。

其进一步的技术方案为，样本数据集中的国画样本包括原始国画以及对原始国画做图像预处理后模拟得到的有损国画，图像预处理包括亮度增强、色彩渲染、对比度增强、高斯污染、随机亮度改变、锐度处理、图像旋转、图像翻转中的至少一种。