一种基于笔触特征和颜色特征的西方绘画风格分类方法与流程

技术特征：
1.一种基于笔触特征和颜色特征的西方绘画风格分类方法，其特征在于，包括以下具体步骤：(1)提取绘画图像的笔触特征；(2)通过卷积神经网络进一步优化笔触特征；(3)提取绘画图像的颜色特征；(4)基于提取的笔触特征和颜色特征，采用支持向量机分类器对西方绘画图像进行风格分类。2.根据权利要求1所述的一种基于笔触特征和颜色特征的西方绘画风格分类方法，其特征在于，所述(1)中提取绘画图像笔触特征具体包括以下步骤：a.将输入的西方绘画图像转换为灰度图像；b.将sobel边缘检测算法作用于灰度图像，识别边缘像素；使用卷积核g
x
和g
y
分别在图像x和y方向上进行卷积，将x和y方向上卷积计算出的结果进行代数加权和得到整个图像的边缘结果，卷积核g
x
和g
y
如下所示：sobel算子是基于一阶梯度运算的边缘检测的算法，sobel算子数学表达式如下：g
x
＝f
x
(x，y)＝f(x-1,y 1) 2f(x,y 1) f(x 1,y 1)-f(x-1,y-1)-2f(x,y-1)-f(x 1,y-1)g
y
＝f
y
(x,y)＝f(x 1,y-1) 2f(x 1,y) f(x 1.y 1)-f(x-1,y-1)-2f(x-1,y)-f(x-1,y 1)sobel算子矩阵形式如下:通过下列公式计算像素点的灰度值：c.通过形态学操作对边缘进行过滤、封闭处理；具体过程为：采用先开后闭的操作，先将边缘操作后的笔触进行平滑处理，消除较细较杂的突出笔触，然后将断裂的边缘线进行闭合，在形态学操作中，二次运算中有开、闭运算，开运算记为定义为:闭运算记为a
·
s，定义为：3.根据权利要求1所述的一种基于笔触特征和颜色特征的西方绘画图像风格分类方法，其特征在于，所述步骤(2)通过卷积神经网络进一步优化笔触特征的过程为：a.将具有边缘笔触特征的图像输入卷积神经网络中，在第一卷积层c1层，用5
×
5的六个核对输入数据进行滤波，产生6个60
×
60的映射；b.在s1层中，子采样率为2的情况下，每个映射通过执行最大池化层，将特征大小减小到30
×
30；
c.在第二卷积层c2层，用12个大小为5
×
5的核过滤数据，生成12个大小为26
×
26的映射；d.在s2层，将特征尺寸减小到13
×
13；e.通过全连接层fc得到2028维向量；f.在输出层output中获得1014维特征。4.根据权利要求1所述的一种基于笔触特征和颜色特征的西方绘画图像风格分类方法，其特征在于，所述步骤(3)提取绘画图像颜色特征的具体过程为：a.将每幅西方绘画图像的原始rgb图像转换为hsv模型，其中，hsv分别表示：色调、饱和度、明度；b.将hsv模型执行k均值聚类方法，将生成的颜色进行量化空间，首先，在生成的hsv模型上随机选取k种颜色，其中，k值为20，利用这20种颜色形成一个新的颜色空间，再将绘画图像上的每个像素映射到初始生成的颜色空间中，从而形成20种聚类，最后得到每一类颜色像素的均值，生成新的颜色空间；不断重复这一过程，直至颜色板中的颜色不再变化时终止算法，得到的所有像素个数，形成了20聚类中心；c.将步骤b聚类中心统计的像素个数，从大到小排序，选择前6的色彩，作为输入特征的主色调，即获得西方绘画图像的颜色特征。5.根据权利要求1所述的一种基于笔触特征和颜色特征的西方绘画图像风格分类方法，其特征在于，所述步骤(4)基于提取的笔触特征和颜色特征，利用支持向量机分类器对西方绘画图像进行风格分类的过程为：将提取的笔触特征和颜色特征归一化并作为图像的2个通道，输入到支持向量机分类器进行不同绘画风格的分类。

技术总结
本发明属于图像处理与分析技术领域，一种基于笔触特征和颜色特征的西方绘画风格分类方法，解决西方绘画图像风格的自动分类。具体为：采用边缘检测、形态学操作方法提取绘画图像的笔触特征，保留对绘画风格分类最重要的组成部分。将提取的笔触特征图像输入到卷积神经网络中进行笔触特征的优化，选取对风格分类影响较大的笔触特征。将绘画图像由RGB颜色空间转换成HSV模型，执行K均值聚类方法(K＝20)，形成了20聚类中心，按照K均值聚类法的中心点统计的像素个数，降序选取前6的主色调作为颜色特征。最后，将笔触特征和颜色特征归一化并作为图像的两个通道输入到支持向量机(SVM)分类器，实现西方绘画风格的自动分类。实现西方绘画风格的自动分类。实现西方绘画风格的自动分类。


技术研发人员：郭小英 李文书
受保护的技术使用者：山西大学
技术研发日：2021.09.26
技术公布日：2022/1/28