[发明专利]一种基于FCN-SPP-Focal Net的抽象画图像正确方向的识别方法

说明书

本发明涉及一种基于FCN‑SPP‑Focal Net的抽象画图像正确方向的识别方法，目的是解决目前识别抽象画的正确方向比较困难，以及现有识别方法需要对图像进行裁剪破坏原画大小的技术问题，本发明的技术方案为：先旋转并得到不同角度的原画，然后建立FCN‑SPP‑Focal Net模型对图像进行训练和预测，再进行分类和识别，最后对结果进行验证。本发明识别方法可以在不改变抽象画原始大小的情况下，对抽象画图像正确方向进行准确识别。

技术领域

本发明属于图像处理和计算机视觉处理技术领域，具体涉及一种基于FCN-SPP-Focal Net的抽象画图像正确方向的识别方法。

背景技术

抽象艺术是一种采用形、色和线进行构图，在一定程度上独立于世界的视觉语言，通常在创作抽象画时，艺术家根据自己的审美观念，决定作品的正确悬挂方向，但是，由于抽象画的内容比较含蓄，不明确，因此抽象画的正确方向对其他非专业观众来说并不明显，而且，近些年心理学中的一些研究已经证实正确定位的抽象画会获得更高的审美评价，大多数被试者对正确方向的审美偏好与艺术家的预期取向是一致的，实验结果说明，方向可以作为视觉审美评价的因素之一，这些都为抽象画的方向研究与审美的关系提供了依据。

近些年依据审美感知与计算视觉特征之间的关系，研究人员主要研究了很多抽象画审美评价方法，比如情感、复杂度等，但很少通过计算机辅助的方法识别抽象画的正确方向，目前对图像方向的研究现状如下：

1)图像方向识别的研究主要针对摄影图片，比如自然或场景图像，而且识别率都比较满意，然而，对于抽象画图像而言，其内容和语义相对于摄影图像比较含蓄、不明显，因此识别抽象画的正确方向是比较困难的，近几年的相关工作也比较少。

2)人类一般是通过对图像内容的理解来识别方向，因此大多采用低层特征(颜色，纹理和布局等)来识别图像的方向，但是它的准确性在很大程度上取决于选取的低层特征是否能准确表达图像的方向特性。

3)目前有一部分研究采用深度学习方法采用的图像大小是一致的，因此输入网络前都需要进行裁剪，这样会破坏图像的很多信息，对于抽象画的大小都是艺术家规定好的，而且绘画的长度和宽度对方向识别是重要的因素之一，因此希望在计算过程中能不改变抽象画的原始大小。

发明内容

本发明的目的是针对目前识别抽象画的正确方向比较困难，以及现有识别方法需要对图像进行裁剪破坏原画大小的技术问题，提供一种在不改变抽象画原始大小的情况下，基于FCN-SPP-Focal Net的抽象画图像正确方向的识别方法。

为解决上述技术问题，本发明采用的技术方案是：

一种基于FCN-SPP-Focal Net的抽象画图像正确方向的识别方法，包括以下步骤：

1)旋转并得到不同角度的原画：将所有抽象画图像依次旋转四个方向，分别得到四个不同方向的抽象画，将旋转后的所有抽象画图像用RGB彩色模式进行表示；

2)建立FCN-SPP-Focal Net模型：基于全卷积神经网络FCN(Fully ConvolutionalNetworks)、空间金字塔池化层SPP(Spatial Pyramid Pooling)和Focal损失函数建立FCN-SPP-Focal Net模型；

3)图像训练和预测：将步骤1)中得到的图像放入步骤2)建立的FCN-SPP-FocalNet模型中进行训练和预测；

4)图像分类和识别：将步骤3)中得到的图像分为正确方向和不正确方向两类，然后自动识别抽象画图像的正确方向；

5)识别结果的验证：分别采用不同的性能评价指标对比实验模型，对预测结果进行验证。

进一步的，所述步骤1)中图像的四个旋转方向分别为逆时针旋转0°、90°、180°和270°。