贵州民族剪纸符号数据库开发技术的研究.docVIP

贵州民族剪纸符号数据库开发技术的研究.doc

  1. 1、本文档共9页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
贵州民族剪纸符号数据库开发技术的研究

贵州民族剪纸符号数据库开发技术的研究   【摘 要】本文针对民间传统剪纸艺术的计算机创作问题,在分析剪纸艺术特点的基础上,提出一种基于小波变换和奇异值分解的剪纸纹样识别方法。首先对剪纸纹样图像进行归一化和二值化处理,然后应用小波变换提取剪纸纹样图像的低频分量并进行奇异值分解,最后通过对奇异值进行归一化和降维处理作为最终的特征向量,利用最近邻分类器进行模式识别。实验结果表明,该方法能够有效地去除噪声干扰,较好的识别有一定艺术夸张变形的剪纸纹样。   【关键词】贵州;民族剪纸;符号;数据库;开发技术   0 引言   剪纸是我国历史悠久的传统民间艺术之一,因为它所使用的工具和材料简单,应用范围很广,不论北方还是南方,中原还是边疆,汉族还是少数民族聚居的地方,过去和现在都可以看到各种各样的剪纸,是我国广大群众喜闻乐见的一种重要的民间艺术。随着动漫产业的发展,剪纸艺术作品是一种很好的动漫素材,但当前大量的剪纸纹样是在实物或书籍艺术作品中,如何对这些纹样进行快速的识别和分类,对于传统剪纸的计算机创作有重要的意义。近年来,非真实感图形绘制技术得到迅速的发展,它的出现使得图形的绘制更加有选择化、个性化和艺术化,一些 NPR 技术模拟传统的艺术媒都取得了很好的效果。然而当前对剪纸艺术作品的图像识别研究较少,剪纸纹样识别在剪纸艺术图像矢量化中有非常重要的作用,因此研究剪纸纹样识别是一项非常有意义的工作。   由于剪纸艺术作品中的纹样存在夸张变形,这使得不同剪纸作品中的同类纹样之间差异较大,使用单一的特征提取方法不能较好的代表不同纹样的特征,本文对剪纸纹样的识别进行了研究,将小波分析技术与奇异值分解结合起来提取剪纸图像的特征向量,试验表明该算法具有较好的识别效果。   1 图像预处理和纹样分类   1.1 纹样分类   传统剪纸造型一般采用比较夸张的装饰形象,剪纸在塑造形象和装饰处理中有一些常见的表现方法,这就是装饰纹样的运用。这些装饰纹样既是程式化的手段,又是美化形象的图样。常见的有锯齿纹、月牙纹、朵花以及兽畜类动物形象头部的五官特定纹样等。本文试验采用的纹样图库包括寿字纹、单牙纹、花瓣纹、锯齿纹、盘长纹、柳叶纹和朵花纹共 7种剪纸纹样,部分识别图像如图 1 所示,由于剪纸图像是一种艺术作品,其特点是夸张变形较大,没有一成不变的格式,即使是相同名称的纹样,他们之间在视觉效果上也有着较大的差异。   1.2 图像预处理   预处理的目的就是改善剪纸图像的质量,恢复有用的真实信息,增强有关信息的可检测性和最大限度地简化数据,从而提高特征抽取和识别的准确性。文中扫描得到的剪纸图像为彩色图像,包含着大量的颜色信息,不但在存储上开销很大,而且在处理上也会降低速度。由于彩色剪纸纹样图像存在很多与识别无关的信息,不便于进一步的识别,首先需彩色图像其转成灰度图像,然后再进行二值化处理,以加快计算的速度。预处理之后得到128×128的二值图像。   2 纹样的识别   小波分析是一种窗口大小固定但其形状、时间窗和频率窗都可以改变的时频局部化分析力一法。由于小波有多尺度分析特性,所以可用小波变换给出图像在不同尺度上的变化信息,从而对图像提取不同尺度下不同部分的显著特征。相比傅里叶变换和Gabor变换‘6’,他在时域和频域同时具有良好的局部化性质。矩阵的奇异值特征具有稳定性、比例不变性和旋转不变性,同时反映了信号在能量意义上的特征,是一种良好的代数特征。这里利用小波变换对剪纸图像多尺度分析,然后奇异值分解获取特征向量进行识别。   2.1 小波分解   小波变换是在傅立叶变换的基础发展起来的一种时频分析力一法,由于具有局部分析的能力和多分辨分析的特点,而广泛应用于信号、地震、语音和图像等力一而的处理和分析,尤其是图像编码力一而取得了突破性的进展。小波变换在图像处理中的基木思想是把图像进行多分辨率分解,生成不同空间和独立频带的子图像,然后对子图像的系数进行处理。数字图小波变换的实质是对原始信号的滤波过程,小波函数选取的不同,分解结果也不同。本文采用Haar小波,因为Haar小波是最简单的正交紧支撑小波,具有对图像容易进行各种分析处理的优点。对图像多层小波分解进行了大量实验,过多层数的分解提取的低频分量过于模糊,不利于奇异值特征的提取和不同种类相似纹样的区分,分解层数太少,起不到降低特征空间维数的目的,提取得特征向量维数较高不利于进一步纹样分类,实验证明,两层小波分解的识别率最高。   如图4所不的朵花纹图像进行两层小波分解的结果,图像经过小波多分辨率分解之后,图像的大部分细节信息都保存在分解得得到的6个细节分量中,最低频子带LL2作为原图的低频分量代表了原图的轮廓特征,保持了原图像的概貌和}空间特性。经过小波变换,低频图像尺寸就减少到近

文档评论(0)

151****1926 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档