[发明专利]一种现代陶瓷与古陶瓷的鉴别方法

说明书

本发明公开了一种上述现代陶瓷与古陶瓷的鉴别方法，通过构建古陶瓷对应的正样本和仿古瓷对应的负样本，将RGB图像转换至HSV颜色空间，得到HSV图像，获取HSV图像的特征描述子，将特征描述子输入支持向量机中进行训练，获得支持向量机的训练参数，将RGB图像输入深度卷积神经网络架构进行训练得到卷积神经网络的网络参数，根据支持向量机的训练参数和卷积神经网络的网络参数确定深度学习模型，将正样本的灰度图和负样本的灰度图分别输入深度学习模型进行训练，得到鉴别模型，获取待鉴别瓷器的待鉴别图片，将待鉴别图片输入所述鉴别模型，依据鉴别模型的输出结果确定待鉴别瓷器为现代陶瓷或者古陶瓷，以提高相应陶瓷鉴别的效率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种现代陶瓷与古陶瓷的鉴别方法。

背景技术

古陶瓷往往具有极高的价值，如1999年4月在香港举办的中国文物艺术品拍卖会上，一件保存品相完好的明代成化斗彩鸡缸杯，拍出了2917万元港币的天价。2014年4月8日，玫茵堂珍藏明成化斗彩鸡缸杯8日在香港苏富比重要中国瓷器及工艺品春拍上，以2.8124亿港元成交。由此，景德镇等地区掀起一股仿古瓷制作的高潮。由于这些地区往往为古代御瓷生产地，有天时地利人和的优势，不少古瓷爱好者不远万里来到这些地区淘宝。如何鉴定古陶瓷还是现代仿古瓷，为此，不少专家学者开设鉴宝微信公众号和网络平台出来为老百姓免费鉴别古陶瓷。但是，由于时间和场地的限制，传统的鉴别方案往往存在效率低的问题。

发明内容

针对以上问题，本发明提出一种现代陶瓷与古陶瓷的鉴别方法。

为实现本发明的目的，提供一种现代陶瓷与古陶瓷的鉴别方法，包括如下步骤：

S10，获取多个古陶瓷的显微图，以构建古陶瓷对应的正样本，获取多个仿古瓷的显微图，以构建仿古瓷对应的负样本，分别获取正样本和负样本的RGB图像，将RGB图像转换至HSV颜色空间，得到HSV图像；

S20，获取HSV图像的特征描述子，将所述特征描述子输入支持向量机中进行训练，获得支持向量机的训练参数；

S30，将RGB图像输入深度卷积神经网络架构进行训练得到卷积神经网络的网络参数；

S40，根据支持向量机的训练参数和卷积神经网络的网络参数确定深度学习模型，将正样本的灰度图和负样本的灰度图分别输入深度学习模型的输入层进行训练，得到鉴别模型；

S50，获取待鉴别瓷器的待鉴别图片，将待鉴别图片输入所述鉴别模型，依据鉴别模型的输出结果确定待鉴别瓷器为现代陶瓷或者古陶瓷。

在一个实施例中，获取HSV图像的特征描述子包括：

构建尺度空间，对HSV图像对应的灰度图像和梯度图像，对灰度图像和梯度图像进行尺度变换，建立高斯差分金字塔，获得HSV图像多尺度下的尺度空间表示序列，对尺度空间表示序列进行尺度空间主轮廓的提取，并以所提取的主轮廓作为特征向量；

采用高斯差算法根据特征向量找到关键点，对关键点进行定位，获得关键点位置；

根据关键点位置确定关键点的信息分配，根据关键点的信息分配生成描述子。

作为一个实施例，根据关键点的信息分配生成描述子包括：

根据关键点的信息分配确定描述子梯度方向直方图由关键点所在尺度的模糊图像，根据模糊图像计算描述子。

在一个实施例中，将正样本的灰度图和负样本的灰度图分别输入深度学习模型的输入层进行训练，得到鉴别模型包括：

将正样本的灰度图和负样本的灰度图分别输入深度学习模型的输入层，采用深度学习模型的训练矩阵训练所述输入层，得到所述输入层的特征和所述输入层的特征对应的参数；

将所述输入层作为目标层，获取所述目标层的邻接隐层；