当前位置 首页 >常用范文 >

贵州民族剪纸符号数据库开发技术研究

作者:jkyxc 浏览数:

【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似原始图像的1/4’}其钓为小波分解的级数,这里经小波变换后得到了32×32维的特征空间。

由于提取到低频小波系数正负分布不均匀,并且数值间差距较大,扩大了特征点的空间分布范围,对近一步的特征提取影响也较大,这里对小波系数进行绝对值处理,从而使特征空间分布范围缩小,增加了小波系数的聚类程度,同时设定滤波阂值过滤绝对值较小的小波系数。小波系数中绝对值比较小的值一般是噪声或者是小的细节信息,不会影响识别的整体效果。滤波阂值的选取将会决定到后续识别的效果,针对不同的图像,滤波阂值的不同将会产生迥异的效果,对小波系数过滤阂值的确定,通常使用小波系数的均值左右的数值不断实验确定。设小波系数均值为E,经多次实验,阑值为E/3保留小波系数中大于阂值的系数,将小于阂值的系数置0。

2.2特征提取

图像奇异值矢量以其稳定性和转置、平移、旋转以及镜像变换不变性,对矩阵的扰动不敏感,被认为是图像代数特征的一个重要依据,因而在图像特征提取、图像检索与匹配、数字水印等领域己有相广泛的应用。从矩阵的角度出发,将包含信号信息的矩阵分解到一系列奇异值和奇异值矢量对应的时频子空间中这里我们利用奇异值分解来提取图像的特征值,对处理后的低频系数进行奇异值分解,根据奇异值分解理论,将得到r个非零奇异值,和n-r个零奇异值,保留r个非零奇异值作为特征向量,使原小波低频系数块的特征空间由32×32维下降到了r维。对二维图像进行 SVD 后,奇异值是按照大小顺序排列,奇异值反映了矩阵的能量分布.奇异值越大,其对应的成分占矩阵的比重就越大,反映图像的轮廓信息;奇异值越小,比重就越小,对应的成分反映图像的细节部分[9]。因此对 r 维的特征向量可以再次进行降维,通过去除小奇异值滤掉噪声,降低特征向量的维数。设前 N 维奇异值的贡献率 = 前 N 维奇异值的和/所有奇异值的和。前十维的奇异值的贡献率在 90%以上,后面的较小的奇异值所对应的图像细节对距离分类器的影响也较小,这里我们采用前十维的奇异值作为最后的特征向量。由于第一维的奇异值总是最大值,归一化后为 1,所以实际应用于分类的是九维的特征向量,虽然有些相同种类纹样的差异较大,但是对其提取出的特征向量非常的相似,数值波动不大,不同种类纹样间的特征向量差距较大,说明该九维的特征向量能够很好的作为剪纸纹样的识别特征。

3 结论

相对于传统的识别方法,本文将小波变换和奇异值分解相结合进行剪纸纹样的识别。在图像处理中,奇异值分解是一种有效的代数特征抽取方法,奇异值则代表了图像的代数特征,具有代数和几何不变性。图像经分解得到的奇异值所具有的稳定性,转置、平移、旋转等不变性,使其非常合适成为表征图像的特征。而小波的多尺度分析可以提供任意分辨率的时间尺度信息,经过小波变换后所提取的奇异值反映了不同尺度上的图像特征,一方面对原来的特征空间降维,另一方面有效地去除了噪声的干扰,方便分类器对其进行分类。实验证明有较好的识别效果。

【参考文献】

[1]Dattatray V Jadhav, Raghunath S Holambe.Feature extractionusing Radon and wavelet transforms with application to face reco-gnition[J].Neurocomputing,2009,72:1951-1959.

[2]傅德胜,黄伟.基于小波变换的数字水印及 Matlab 实现[J].计算机工程与设计,2008,29(4):1004-1006.

[3]何通能,贾志勇.基于小波矩的车牌字符识别研究[J].浙江工业大学学报,2005,33(2):170-172.

[4]冉瑞生,黄廷祝.基于奇异值特征提取的彩色人脸识别[J].计算机应用研究,2007,24(7):298-302.

[5]张丽艳,殷福亮.一种改进的奇异值分解语音增强方法[J].电子与信息学报,2008,30(2):357-361.

[6]Tian Ying-li,Kanade T,Cohn J F.Evaluation of Gabor waveletbased facial action unit recognition in image sequences of in-crease complexity[C]//IEEE on Automatic Face and GestureRecognition,2002:229-234.

[7]王琰,杨大为.小波系数特征的目标识别方法[J].小型微型计算机系统,2008,29(3):534-537.

[8]威尔金森 J H.代数特征值问题[M].北京:科学出版社,2001.

[9]胡谋法,董文娟,王书宏,等.奇异值分解带通滤波背景抑制和去噪[J].电子学报,2008,36(1):111-116.

[责任编辑:薛俊歌]

推荐访问:贵州 剪纸 技术研究 符号 数据库开发

相关文章:

Top