基于卷积神经网络的书法风格识别的研究

发布时间：2022-07-16 19:41

　　书法是中华民族的传统文化艺术的重要组成部分,使用基于图像处理与模式识别的方法来进行书法识别、检索及风格鉴赏等具有很重要的意义。近年来,深度学习技术越来越深入和广泛地应用于图像和识别领域。针对传统图像特征描述子在图像表征方面的不足和识别效率不高的缺陷,本文提出基于深度学习的书法风格识别方法,将卷积神经网络应用于书法风格识别,极大地提高了风格识别的准确率。本文的主要工作包括以下三个方面:首先,对书法风格识别的国内外研究现状进行了系统的分析,对文字检测、识别与书法风格识别及本文研究内容进行了阐述。并在此基础上,对传统图像特征提取与识别方法进行了总结。在特征提取方面,研究了Gabor、小波、Gist特征等;在识别方法上,研究了SVM分类器及优化策略等。接着,本文提出基于卷积神经网络的书法风格识别方法。研究了基于LeNet-5模型、Google Net模型及Res Net模型的识别方法,以及三种模型的网络结构和训练方法,并在TensorFlow框架下将模型针对书法风格识别进行了匹配应用,在标准电脑字库及课题组构建的楷书四大家字库上取得良好效果。第三,对LeNet-5模型进行了改进,改进后的模型中... 

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 文字检测与识别
        1.2.2 书法风格识别
    1.3 本文主要研究内容
    1.4 本文组织结构
2 经典的书法风格识别算法
    2.1 数据预处理
        2.1.1 自适应最小包围盒算法
        2.1.2 填充归一化
        2.1.3 标准电脑体数据集
    2.2 常用特征提取算法
        2.2.1 Gabor特征
        2.2.2 小波特征
        2.2.3 Gist特征
    2.3 SVM分类器
        2.3.1 线性可分的SVM
        2.3.2 核函数的非线性SVM
        2.3.3 SVM多分类
    2.4 实验结果及分析
    2.5 本章小结
3 基于卷积神经网络的书法风格识别
    3.1 卷积神经网络概述
        3.1.1 卷积神经网络
        3.1.2 TensorFlow框架
        3.1.3 反向传播算法
        3.1.4 梯度下降算法
        3.1.5 Softmax
    3.2 基于经典CNN模型的书法风格识别
        3.2.1 基于LeNet-5模型的书法风格识别
        3.2.2 基于GoogleNet模型的书法风格识别
        3.2.3 基于ResNet模型的书法风格识别
    3.3 实验结果与分析
    3.4 本章小结
4 基于改进模型的书法风格识别
    4.1 改进LENET-5模型的书法风格识别
        4.1.1 LeNet-5模型的改进
        4.1.2 模型的训练
        4.1.3 特征可视化
    4.2 C-LENET模型的书法风格识别
        4.2.1 C-LeNet模型结构
        4.2.2 C-LeNet模型训练
    4.3 实验结果及分析
    4.4 本章小结
5 总结和展望
    5.1 总结
    5.2 展望
致谢
参考文献
附录


【参考文献】：
期刊论文
[1]软硬兼施的行书学法(十四)[J]. 何晓东.  中国钢笔书法. 2014(08)
[2]明清书论集(代序)[J]. 崔尔平.  中国书法. 2011(11)

硕士论文
[1]基于轮廓的形状匹配方法研究[D]. 余江.安徽大学 2013



本文编号：3663161