元明清陶瓷蕉叶纹纹饰的特征

发布时间：2022-02-14 19:15

　　提出一种借助于人工智能的辅助鉴别方法鉴定具有蕉叶纹饰的古陶瓷年代及真伪,利用局部二值模式（LBP）和方向梯度直方图（HOG）技术从古陶瓷图像的蕉叶纹饰中提取古陶瓷的时代特征,通过蕉叶纹局部二值模式纹饰特征和方向梯度直方图纹饰特征的融合实现古陶瓷的智能断代,并采用纹饰相似度衡量古陶瓷的真、伪可能性。以博物馆现有馆藏古陶瓷图像资料为基础进行实验。结果表明:该方法不仅可以完成古瓷器准确断代,而且能够发现蕉叶纹饰的发展规律,从而强有力地辅助专家的断代工作。此外,基于纹饰特征的相似度分析能够对古陶瓷的真伪辨识提供较有力支撑。 

【文章来源】：硅酸盐学报. 2020,48(09)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

各朝代经典蕉叶纹古陶瓷作品

首先，对蕉叶纹古瓷器图像进行ROI(Region Of Interest)区域裁剪以获得蕉叶纹区域，对ROI区域进行尺寸归一化等预处理操作；其次，分别提取蕉叶纹图像的LBP特征和HOG特征(这两种特征是根据蕉叶纹时代特征凝练而成的)，融合LBP和HOG两种特征量得到蕉叶纹LBP–HOG融合特征量；最后，利用SVM分类器，根据LBP–HOG融合特征量实现对蕉叶纹古瓷器的快速、有效断代。此外，通过对蕉叶纹特征量的统计和分析，还可以得到古陶瓷蕉叶纹的变化规律。1.2 古陶瓷图像预处理

在实际对蕉叶纹纹饰的特征分析中，LBP图谱虽然能够清晰地呈现纹饰信息，但是不适合直接作为特征向量输入到分类器中，其统计直方图更适合作为特征用于图像的分类识别。LBP特征提取流程如图3a所示，首先将经预处理后的蕉叶纹图像划分为若干小图像区域，以提取到更丰富的特征信息，分别计算每个区域内每个像素点的LBP值，生成若干个LBP图谱；再分别建立统计直方图，并依次将其进行连接整合，作为整幅图像的特征向量即图像的LBP纹饰特征。

【参考文献】：
期刊论文
[1]人工智能在模式识别中的关键技术探究[J]. 周波,谢光.  现代信息科技. 2019(22)
[2]可见-近红外光谱的古陶瓷断代分类识别[J]. 吴晓萍,管业鹏,李伟东,罗宏杰.  光谱学与光谱分析. 2019(03)
[3]基于紫外–可见–近红外光谱特征映射矩阵的古陶瓷分类方法[J]. 胡薰尹,管业鹏,李伟东,罗宏杰.  硅酸盐学报. 2018(09)
[4]基于机器视觉古陶瓷无损分类识别[J]. 翁政魁,管业鹏,罗宏杰.  硅酸盐学报. 2017(12)
[5]“瓷上蕉叶”——五彩瓷中蕉叶纹图式变迁[J]. 刘乐君,胡旋尹.  中国陶瓷. 2016(09)
[6]古瓷类文物器型结构的数字化特征鉴定[J]. 吴隽,熊露,唐敏,张茂林,吴军明,李其江,黄梦璇,李家治.  中国科学:技术科学. 2012(09)
[7]科技创新断古陶瓷真伪[J]. 冯丹丹,袁筱清.  景德镇陶瓷. 2010(04)
[8]中国古陶瓷的断源断代[J]. 吴隽,罗宏杰,李家治,王海圣,鲁晓珂,吴军明.  硅酸盐学报. 2007(S1)
[9]不同历史时期耀州窑碗器型结构特征之研究[J]. 罗宏杰,杨云,王芬,苗鸿雁,梁宝鎏.  中国陶瓷工业. 2003(06)
[10]宋耀州兔毫天目瓷釉的分相与析晶[J]. 陈显求.  自然杂志. 1995(06)



本文编号：3625118