[发明专利]艺术品图像中古典母题的识别与检索方法有效

专利信息
申请号: 201610051821.7 申请日: 2016-01-26
公开(公告)号: CN105740360B 公开(公告)日: 2020-12-01
发明(设计)人: 陈研;孙燕 申请(专利权)人: 上海师范大学
主分类号: G06F16/583 分类号: G06F16/583;G06F16/182
代理公司: 上海精晟知识产权代理有限公司 31253 代理人: 冯子玲
地址: 200234 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 艺术品 图像 古典 识别 检索 方法
【说明书】:

一种艺术品图像中古典母题的识别和检索方法,包括:建立艺术品图像资源信息库;构建基于左右值驱动的古典母题语义树形结构;用上层关键词寻找所有树根,并获取候选图像节点;计算候选对象与查询对象的相似度,并进行特征匹配;结果显示:按照相似度列出检索结果。本发明通过检索和识别亦可不断丰富古典母题语义树,发现母题图像模式的流变,在“艺术表现模式—人—人的生命态度”之间寻找母题所提供的历史见证,为了发掘和识别艺术品图像中更多的视觉概念,进而获得对艺术品图像的准确释读。

技术领域

本发明涉及一种艺术品图像的学习、研究和鉴定时使用的数据库检索方法,尤其涉及一种关于艺术品图像中古典母题的识别和检索方法。

背景技术

每个艺术品图像中都存在着人文与艺术遗产,古典元素或古典母题蕴藏在大量艺术品的图像中,代表着往昔时代作品拥有时代遗存的独立价值观和知识体系,古典母题融合在往昔时代作品时,借着时代自身影响力、表现方法或独特价值观以期同化和改造彼此,这使看图观众陷入认知和理解的困难。

要想真正理解古典文化,理解往昔时代的艺术成就,就必须将古典元素或古典母题视作平等独立的对象进行研究,全面恢复它的生态环境。对于研究者而言,需要从大量的已知古典母题中找到一种链接的线索,并发现和发掘它的价值,这对于学习与研究具有重要的价值。

目前,国内有一些机构或院校制作的艺术品数据库,这些数据库大多是艺术品图片库,存储与检索方法采用传统的关键词索引、分类的索引、或图像底层特征索引方法,检索的语义难以表达。

在学习、研究或是鉴定中,往往需要根据图像的内容特征进行检索有主题意义或是技法特征的图像,并由此提取语义。但是,在计算机图像研究方面,由于艺术品图像与自然语言描述之间存在着“语义鸿沟”,在艺术品图像分类领域,单纯利用低层全局视觉特征很难达到良好的分类效果;与自然场景的照片图像不同,艺术品图像中带有极其鲜明的个性化,“以形写神”使得语义信息更加抽象和丰富,这也给计算机统计和识别带来了困难。

发明内容

针对上述应用背景和检索技术上的问题,本发明提供了一种艺术品图像的古典母题识别与检索方法,力求用艺术品研究的领域知识与图像处理技术结合,实现艺术品图像识别和语义解读。

本发明提供的艺术品图像中古典母题的识别和检索方法,包括

建立艺术品图像资源信息库:采用统一的数据著录方式进行,建构具有标注信息的艺术品图像资源信息库;

建立古典母题语义数据库:构建基于左右值驱动的古典母题语义树形结构,其中,基于左右值编码驱动的树的前序遍历设计一种无递归查询、无限分组的左右值编码方案,来保存该树的数据;所述古典语义树形结构包括多个层次,每个层次通过一个或多个已经定义的特征进行描述;

基于艺术品图像中古典母题的语义解读的图像检索:用上层关键词寻找所有树根,并获取候选图像节点;计算候选对象与查询对象的相似度,并进行特征匹配;结果显示:按照相似度列出检索结果,如给出相似度最接近的前10个古典母题结果。

其中,所述古典母题可以是用人工或机器推测的方法从艺术品图像资源信息库中抽取。

其中,所述艺术品图像资源信息库可以是来源于相关机构发布的艺术品信息,也可以是自行录入建立。

在一种优选实施例中,所述艺术品图像资源信息库中储存艺术品的图像文件和文字标注信息。

其中,所述文字标注信息可以是包括著录特征、主题特征、外观特征等,所述著录特征包括图像的作者、形成时间、发现地点等;所述主题特征可以是自行设定主题类别进行标注,或者引用文献资源进行标注。

在更优选实施例中,所述文字标注信息还可以包括图像的类别、尺寸大小、分辨率以及标注者等辅助信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海师范大学,未经上海师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201610051821.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top