剪紙紋樣的特征提取和識別算法研究.pdf

1、剪紙是我國歷史悠久的傳統(tǒng)民間藝術(shù)之一,隨著我國動漫產(chǎn)業(yè)的不斷發(fā)展,剪紙藝術(shù)作品將是一種很好的動漫素材。在數(shù)字媒體中去實現(xiàn)這種藝術(shù)形式,首先將剪紙藝術(shù)的作品轉(zhuǎn)換為計算機(jī)可以儲存的數(shù)字圖像,進(jìn)一步生成相應(yīng)的作品,剪紙紋樣在這些處理過程中有非常重要的作用,它決定了最終剪紙圖像的藝術(shù)形態(tài)。
　　不同剪紙紋樣的精確分類與識別是剪紙紋樣圖像應(yīng)用的基礎(chǔ),本文對于剪紙紋樣的識別進(jìn)行了研究,提出了適合于具有藝術(shù)夸張變形這種獨特藝術(shù)形式的識別算法,并

2、取得了較好的識別效果。
　　論文的工作主要從以下幾個方面展開:
　　(1)研究剪紙圖象的特點,建立了剪紙紋樣庫。對采集到的剪紙紋樣圖像進(jìn)行了預(yù)處理,消除噪聲,對圖象進(jìn)行分割,從復(fù)雜的剪紙圖像中分離出單個紋樣。通過分析剪紙紋樣的特征,結(jié)合代數(shù)、幾何、統(tǒng)計等方法,建立了包含有63幅訓(xùn)練樣本和350幅待識別分類的測試樣本的剪紙紋樣庫,這些紋樣涵蓋了剪紙藝術(shù)創(chuàng)作中的基本紋樣,為后續(xù)的紋樣識別工作做準(zhǔn)備。
　　(2)提出一種基于

3、不變矩與幾何特征的紋樣識別算法,本文使用傳統(tǒng)的七個不變矩作為剪紙紋樣的特征向量,具有平移、旋轉(zhuǎn)和尺度不變性。同時又提取了紋樣圖像的六個幾何不變特征,利用這兩種不變量分別作為特征向量,采用LM算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò),通過歸一化后的特征向量對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,應(yīng)用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)作為分類器對剪紙紋樣進(jìn)行模式識別,試驗證明該方法能夠較好的識別有一定藝術(shù)變形的剪紙紋樣。
　　(3)將小波分析與其他一些特征提取方法進(jìn)行了結(jié)合。小波分析具有

4、多分辨率的特性,如果能夠在小波多分辨率的基礎(chǔ)上去提取圖像的特征,那么將會提高特征向量對圖像自身的表征能力。
　　本文分別在小波分析的基礎(chǔ)上提取了能量特征,奇異值特征,NMI特征和小波矩特征,并做了對比識別試驗。小波能量方法根據(jù)小波不同分辨率下小波系數(shù),使用能量的表示方式將低頻分量和不同方向的高頻分量表述出來,作為識別的特征向量。奇異值和NMI方法主要應(yīng)用小波變換提取剪紙紋樣圖象的低頻分量并進(jìn)行奇異值分解或NMI提取,最后通過對特征

5、值進(jìn)行歸一化和降維處理作為最終的特征向量。這種結(jié)合的方法有效的利用了小波多分辨率的特征,消除了噪聲的干擾,同時又保持了奇異值和NMI特征的自身特點,且該方法計算簡單,易于實現(xiàn)。小波矩特征具有較強(qiáng)的細(xì)節(jié)把握能力和抗噪聲能力,通過對剪紙紋樣圖像提取小波矩,來獲取圖像的多尺度特征。利用不同特征分量的均值和標(biāo)準(zhǔn)差,來實現(xiàn)N類模式的特征選擇。實驗證明該方法能夠有效地去除噪聲干擾,較好的識別有一定藝術(shù)夸張變形的剪紙紋樣。大量實驗證明,以上方法能夠很