基于人工智能的古陶瓷器型和纹饰图像特征识别研究

发布时间：2022-02-17 18:26

　　古陶瓷是历史发展过程中科技水平、艺术风格、文化元素等的综合反映,尤其中国古陶瓷,通过精湛的工艺技术与丰富的器型和纹饰特征,淋漓尽致地展现了中国传统文化的精髓,具有重要的历史、艺术与科学研究价值,也具有收藏和投资等价值。现今,文物的真伪鉴别正在遭遇前所未有的信任危机,并且现有的古陶瓷“目鉴”和“科鉴”方法都存在着某种局限与偏差。由于因地制宜的原料选择,不同的成型和装饰工艺,以及烧成温度等的不同,造就了丰富的器型和纹饰图像特征。对“目鉴”中存在器型、纹饰特征不可量化描述,鉴定结论过于依赖主观的问题,本研究中通过机器对古陶瓷器型、纹饰和铭文款识三个主要视觉特征进行提取、量化和识别,探讨机器替代专家进行古陶瓷无损智能识别的思路和实现方法。具体研究结果如下:（1）古陶瓷的图像特征与具体原料选择和工艺技术密切相关,完整获取古陶瓷的图像特征是实现古陶瓷图像特征识别的前提。由于区域生长古陶瓷图像特征提取方法提取的质量与背景像素密切相关,且不具备可泛化性。本文提出了一种基于深度学习提取方法,以EasyDL为深度学习支撑平台,对耀州窑、青花瓷和越窑5834张272类古陶瓷图像经过手动标记和训练学习后进行提... 

【文章来源】：陕西科技大学陕西省

【文章页数】：134 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 引言
    1.2 课题背景及意义
        1.2.1 古陶瓷识别的意义
        1.2.2 古陶瓷识别的主要方法
        1.2.3 人工智能技术与古陶瓷识别
        1.2.4 本研究的目的及意义
    1.3 国内外研究现状
        1.3.1 文物智能识别
        1.3.2 古陶瓷信息采集
        1.3.3 人工智能行业应用
        1.3.4 古陶瓷科技鉴定
        1.3.5 古陶瓷信息采集与识别技术发展方向
    1.4 主要研究内容与结构安排
        1.4.1 主要研究内容
        1.4.2 技术路线与创新点
        1.4.3 论文结构安排
2 古陶瓷整体图像特征提取
    2.1 引言
    2.2 古陶瓷工艺与图像特征
        2.2.1 原料选择
        2.2.2 处理工艺
        2.2.3 主要元素成分
        2.2.4 烧成
    2.3 古陶瓷图像特征提取方法
        2.3.1 古陶瓷图像背景像素问题
        2.3.2 区域生长提取方法
        2.3.3 基于深度学习的提取方法
    2.4 基于深度学习古陶瓷图像特征提取验证
        2.4.1 耀州窑和青花瓷验证
        2.4.2 越窑验证
        2.4.3 低提取率验证
        2.4.4 数据集验证
        2.4.5 验证结果分析
    2.5 区域生长与深度学习提取方法对比分析
    2.6 本章小结
3 古陶瓷器型图像特征提取与识别
    3.1 引言
    3.2 古陶瓷器型图像特征提取与识别方法
        3.2.1 古陶瓷器型图像特征提取方法
        3.2.2 古陶瓷器型图像特征识别方法
    3.3 古陶瓷器型图像特征提取与识别验证
        3.3.1 梅瓶器型提取与识别
        3.3.2 胆瓶器型提取与识别
        3.3.3 数据集验证
        3.3.4 古陶瓷器型图像特征提取与识别方法总结
    3.4 本章小结
4 古陶瓷纹图像特征识别
    4.1 引言
    4.2 古陶瓷物理化学性能与纹饰图像特征
        4.2.1 样品表征
        4.2.2 样本
        4.2.3 测试结果分析
    4.3 古陶瓷纹饰图像特征量化识别方法
        4.3.1 古陶瓷纹饰图像特征识别方法
        4.3.2 古陶瓷纹饰图像特征量化方法
    4.4 古陶瓷纹饰图像特征量化识别验证
        4.4.1 耀州窑青瓷(椒盐噪声)
        4.4.2 越窑青瓷(部分缺失)
        4.4.3 粉彩梅花纹尊(椒盐噪声)
        4.4.4 康熙款画法郎玉堂富贵直口瓶(部分缺失)
        4.4.5 多维特征融合古陶瓷纹饰图像特征量化识别方法总结
    4.5 本章小结
5 古陶瓷铭文款识图像特征识别
    5.1 引言
    5.2 古陶瓷铭文款识图像特征识别方法
        5.2.1 铭文款识图像特征分割识别
        5.2.2 铭文款识图像特征整体识别
        5.2.3 基于深度学习的铭文款识图像特征整体识别
    5.3 基于深度学习的古陶瓷铭文款识图像特征识别验证
        5.3.1 同一类型验证
        5.3.2 不同类型验证
        5.3.3 基于深度学习的铭文款识图像特征识别方法总结与讨论
    5.4 本章小结
6 古陶瓷器型和纹饰图像特征识别系统
    6.1 引言
    6.2 系统需求分析
        6.2.1 系统逻辑功能
    6.3 系统设计
        6.3.1 系统架构
        6.3.2 系统主要功能
        6.3.3 系统模块划分
        6.3.4 系统数据库设计
        6.3.5 系统服务层设计
        6.3.6 系统关键技术
    6.4 系统应用测试
    6.5 本章小结
7 结论
附录
致谢
参考文献
攻读博士学位期间发表的学术论文目录


【参考文献】：
期刊论文
[1]基于HSV颜色空间的运动目标识别[J]. 付长斐,叶宾,李会军.  控制与信息技术. 2020(02)
[2]基于时频分析和CNN的雷达辐射源识别算法[J]. 黄智,王俊杰,石国良.  舰船电子工程. 2020(01)
[3]基于CNN的深层次特征提取纸病辨识方法研究[J]. 高乐乐,周强,王伟刚.  中国造纸学报. 2019(04)
[4]基于复数域CNN的舰船目标识别算法[J]. 化青龙,黄斌,陈雪峰,李高鹏,张云.  指挥信息系统与技术. 2019(06)
[5]基于CNN和RNN联合网络的心音自动分类[J]. 李伟,杨向东,陈恳.  计算机工程与设计. 2020(01)
[6]基于欧氏距离分析的电力变压器绕组变形程度与类型的诊断方法[J]. 张重远,胡焕,程槐号,刘云鹏,徐康,张攀,周婧娴.  高压电器. 2020(01)
[7]基于卷积神经网络的图像识别[J]. 秦川.  电子技术与软件工程. 2020(01)
[8]基于颜色和纹理特征的森林火灾图像识别[J]. 李巨虎,范睿先,陈志泊.  华南理工大学学报(自然科学版). 2020(01)
[9]基于分水岭分割算法对燕麦籽粒识别中粘连区域的分割[J]. 燕红文,崔清亮.  计算机时代. 2020(01)
[10]基于虚拟曝光融合的光照自适应人脸图像增强方法[J]. 靳晓缘,徐望明,伍世虔.  武汉科技大学学报. 2020(01)

博士论文
[1]宋元陶瓷枕的考古学研究[D]. 刘辉.吉林大学 2019
[2]基于形态特征的几种非织造用纤维的检测及算法研究[D]. 王飞.东华大学 2019
[3]基于学习优化与信息融合的陶瓷文物碎片分类研究[D]. 王克刚.西北大学 2017

硕士论文
[1]可见光-近红外HSV融合的场景类字典稀疏识别[D]. 魏嫚.南京邮电大学 2019
[2]几种数据挖掘算法在古陶瓷断源断代分析中的应用[D]. 梁思琦.景德镇陶瓷大学 2019
[3]元青花梅瓶造型与纹饰的美学研究[D]. 程婷.景德镇陶瓷大学 2019
[4]基于用户体验下的手机银行APP界面设计研究[D]. 张晨.河北大学 2019
[5]基于迁移学习的车牌识别系统的设计与实现[D]. 曾臻.北京邮电大学 2019
[6]基于深度学习的矿用地磅车牌识别研究[D]. 徐丹.西安科技大学 2019
[7]基于多元统计和智能算法的古陶瓷分类研究[D]. 宁发艳.景德镇陶瓷大学 2019
[8]论宋代古陶瓷装饰对现代陶艺创作的启示[D]. 杨文君.华南理工大学 2019
[9]邛窑古陶瓷发展初步研究[D]. 吴俊芳.四川省社会科学院 2019
[10]全局与局部融合的图像增强算法研究[D]. 王仕女.杭州电子科技大学 2019



本文编号：3629896