学位论文 > 优秀研究生学位论文题录展示
书法资源的有效管理和新型服务模式研究
作 者: 鲁伟明
导 师: 庄越挺
学 校: 浙江大学
专 业: 计算机科学与技术
关键词: 数字图书馆 中国书法 书法风格 特征提取 风格建模 关联挖掘 海量处理
分类号: TP391.41
类 型: 博士论文
年 份: 2009年
下 载: 132次
引 用: 1次
阅 读: 论文下载
内容摘要
中国书法是数字图书馆中的重要特色资源。随着数字化书法作品的日益增多,如何有效管理和利用数字图书馆中的书法资源成为一个重要的挑战。本论文从书法字特征提取、计算机辅助书法牌匾生成、书法风格建模和关联挖掘以及海量数据检索和处理等方面出发,探讨数字图书馆中书法资源组织管理和服务的关键技术问题,论文主要工作如下:1.书法字特征表达。由于书法字OCR技术的缺乏以及手工标注费时费力,而且汉字演变(如篆书)和书法字形变(如草书)均给书法字识别带来了困难,因而迫切需要不依赖书法字识别的检索方法。书法字形状特征表达成为基于形状书法字检索的关键问题,其思路在于融合形状上下文特征和梯度方向直方图特征表达书法字形状,关键在于利用梯度下降法求融合参数。此外,书法字风格是书法牌匾生成、书法风格建模和关联挖掘的基础,根据书法风格可表现为书法线条局部和全局统计意义上相似性,本文利用核函数融合书法字Gabor、Contourlet以及pHoG等特征来表达书法字风格特性。2.计算机辅助书法牌匾生成。由于数字图书馆中拥有大量的书法字资源,如何利用这些书法字组成用户需要的风格一致的牌匾是一项有意义的工作。计算机辅助书法牌匾生成主要思路为:用户提交所需牌匾内容,系统从书法字库中选取内容符合且风格一致的书法字产生书法牌匾候选集,最后根据风格一致性进行排序。为解决底层特征描述风格的不精确性和风格鉴赏的主观性,本文引入书法字上下文特征和相关反馈技术来提高风格相似度计算的准确性,改善书法牌匾的生成质量。3.书法风格建模。书法风格建模是基于风格的书法作品组织的关键,本文采用一种产生式概率模型,量化地表达书法作品的风格组成,其思路在于:利用聚类算法计算风格关键字,提出风格的可视化表达方式,通过构建潜在风格模型为书法作品风格建模,用风格来表达书法作品,最后用Kullback-Leibler距离度量书法作品的风格相似度。4.书法风格关联挖掘。为挖掘书法家、书法作品以及书法字之间的风格关联性,本文提出了两种基于图的挖掘模型:监督式权重学习的随机行走模型和联合随机行走模型。其核心思想为:利用书法字底层风格特征、书法资源上下文特征以及用户交互信息构建实体-关系图,然后再用随机行走模型进行风格关联挖掘;重点在于:实体-关系图的构建、不同类型的边的权重学习、用户交互信息的利用以及如何减小用户交互对边权重的影响。最后,基于模型提出了几个相关应用,如:基于风格的书法作品浏览、相似风格的书法作品的检索、计算机辅助书法作品鉴定、计算机辅助书法家风格分析等。5.海量数据检索和处理。为提高书法字检索速度,本文提出两种快速检索算法:基于关键点匹配和基于LSH的书法字检索算法,综合考虑检索速度和检索质量,提出再排序机制。针对海量书法资源,将书法风格建模和关联挖掘算法纳入到MapReduce框架。
|
全文目录
致谢 5-6 摘要 6-8 Abstract 8-14 第1章 绪论 14-20 1.1 研究动机 14-15 1.2 研究问题 15-16 1.3 论文组织 16-18 1.4 本文贡献 18-20 第2章 相关研究综述 20-34 2.1 计算机辅助书法研究 20-23 2.1.1 基于模型的书法研究 20-21 2.1.2 基于图像的书法研究 21-23 2.2 书法字特征提取 23-30 2.2.1 风格特征 23-27 2.2.2 形状特征 27-30 2.3 书法字快速检索 30 2.4 书法风格建模 30-32 2.5 书法关联挖掘 32-33 2.6 小结 33-34 第3章 书法字特征提取 34-66 3.1 引言 34 3.2 基于Gabor的风格描述方法 34-39 3.2.1 基于Gabor的书法字风格特征提取 35-37 3.2.2 实验结果与分析 37-39 3.3 基于Contourlet的风格描述方法 39-43 3.3.1 Contourlet变换 40-42 3.3.2 实验结果与分析 42-43 3.4 基于塔式方向梯度直方图的风格描述方法 43-48 3.4.1 方向梯度直方图 43-45 3.4.2 塔式梯度方向直方图 45-46 3.4.3 实验结果与分析 46-48 3.5 书法字笔划特征 48-51 3.6 基于核函数的风格特征融合 51-54 3.6.1 融合分析 51-53 3.6.2 实验结果与分析 53-54 3.7 SC-HoG形状特征 54-64 3.7.1 SC-HoG特征表达 54-55 3.7.2 形状匹配 55-57 3.7.3 参数学习 57-58 3.7.4 书法字检索 58-64 3.8 小结 64-66 第4章 基于风格一致性的牌匾生成 66-78 4.1 引言 66 4.2 系统框架 66-67 4.3 书法字风格相似度 67-69 4.3.1 风格特征定义 67 4.3.2 内容风格特征相似度 67-68 4.3.3 上下文风格相似度 68-69 4.4 风格一致性计算模型 69 4.5 基于反馈的牌匾生成技术 69-72 4.5.1 对等反馈传递算法 69-70 4.5.2 PeerFeedback算法 70-71 4.5.3 FeedbackTransfer算法 71-72 4.6 实验结果与分析 72-75 4.6.1 实验数据 72-73 4.6.2 内容风格相似度实验 73-74 4.6.3 上下文特征对检索结果的影响 74-75 4.6.4 反馈对检索结果的影响 75 4.7 小结 75-78 第5章 书法风格建模 78-98 5.1 引言 78-79 5.2 潜在风格模型 79-83 5.2.1 书法作品风格表达 80-82 5.2.2 潜在风格模型 82-83 5.3 实验结果与分析 83-96 5.3.1 数据集 83-84 5.3.2 书法风格关键字词典构建 84-85 5.3.3 书法风格设计 85-90 5.3.4 风格相似度计算 90-94 5.3.5 书法家风格分析 94-95 5.3.6 合成数据的影响 95-96 5.4 基于风格的书法作品浏览 96-97 5.5 小结 97-98 第6章 书法风格关联挖掘 98-134 6.1 引言 98 6.2 监督式权重学习的随机行走模型 98-117 6.2.1 系统架构 99-101 6.2.2 基于SLWRWM的书法风格挖掘 101-107 6.2.3 应用 107-113 6.2.4 交互增强 113-117 6.3 联合随机行走模型 117-133 6.3.1 超图表达方式 117-118 6.3.2 超图上的联合随机行走 118-119 6.3.3 联合随机行走的权重学习 119-122 6.3.4 联合随机行走的收敛性分析 122-124 6.3.5 联合随机行走的线性特性 124 6.3.6 书法应用 124-133 6.4 小结 133-134 第7章 海量书法资源处理 134-160 7.1 引言 134 7.2 快速书法字检索算法 134-147 7.2.1 基于关键点的快速检索算法 136-139 7.2.2 基于LSH的快速检索算法 139-147 7.3 基于MapReduce框架的数据处理模型 147-158 7.3.1 MapReduce框架 147-148 7.3.2 潜在书法风格模型 148-150 7.3.3 基于图的书法风格关联挖掘模型 150-156 7.3.4 实验 156-158 7.4 小结 158-160 第8章 总结与展望 160-164 8.1 总结 160-161 8.2 展望 161-164 参考文献 164-176 作者简历及在学期间所取得的科研成果 176-177
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|