文献类型：期刊文章

作　　者：钱文华[1] 徐丹[1] 徐瑾[2] 何磊[2] 韩镇阳[1]

QIAN Wen-hua;XU Dan;XU Jin;HE Lei;HAN Zhen-yang(School of Information Science and Engineering,Yunnan University,Kunming Yunnan 650504,China;Graduate School,Yunnan University,Kunming Yunnan 650504,China)

机构地区：[1]云南大学信息学院,云南昆明650504 [2]云南大学研究生院,云南昆明650504

出　　处：《图学学报》

基　　金：国家自然科学基金项目(61462093,61540062);云南省应用基础研究计划重点项目(2019);云南省中青年学术技术带头人后备人才(2019);云南省杰出青年培育项目(2018YDJQ016)

年　　份：2019

卷　　号：40

期　　号：6

起止页码：991-999

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2019_2020、JST、ZGKJHX、核心刊

摘　　要：针对艺术风格绘画分类算法中存在的精度和效率不高等问题,提出一种基于信息熵的艺术风格绘画分类算法。首先选取西方漫画、素描、油画、水彩画,以及国内烙画、水墨画、壁画具有代表性的7种艺术绘画风格作为研究对象,对图像进行去噪、归一化等预处理。其次,提取绘画艺术作品风格特征,分别求取图像的颜色熵、分块熵、轮廓熵,并合并构成不同绘画风格的信息熵。信息熵求取时,将色彩空间转换为Lab颜色空间,通过a、b通道颜色值及加权函数获得图像的颜色熵;通过对艺术图像分块求取信息熵,求取分块的信息熵均值获得分块熵;通过Contourlet变换,求取艺术图像的轮廓信息,获得轮廓熵。接着,合并提取的颜色熵、分块熵、轮廓熵,利用支持向量机(SVM)对艺术风格图像学习训练,获得艺术绘画风格的分类模型;最后,提取待识别绘画风格样本的熵特征,通过SVM分类识别获得最终的分类结果。该方法具有特征维数少、运算速度快、尺度不变性等优势,实验结果表明,其能提高不同绘画风格的分类精度和效率。

关 键 词：风格绘画  分类  颜色熵  分块熵  轮廓熵  

分 类 号：TP751.1]