[发明专利]一种基于方向特征增强的书法图像风格分类方法

权利要求书

1.一种基于方向特征增强的书法图像风格分类方法，其特征在于，包括以下步骤：

S1，提取不同的书法风格的原始图像，组成数据集，并分成训练集和测试集；

S2，构建深度卷积神经网络DCNN；

S3，采用2D-Gabor滤波器对训练集图像进行八个方向的特征提取，转换为方向特征图像；

S4，将S3中提取的方向特征图像与原始图像一起送入到S2构建的深度卷积神经网络DCNN中进行训练；

S5，每训练固定次数后，将训练后的深度卷积神经网络DCNN在测试集上进行测试，得到每次的测试准确率，选取准确率最高的权重参数以及对应的深度卷积神经网络DCNN作为最终书法风格分类的分类器。

2.根据权利要求1所述的一种基于方向特征增强的书法图像风格分类方法，其特征在于，S1的具体步骤如下：

利用最小包围盒切算法从不同的书法风格的整幅作品中分割出单个字符图像，每种书法风格的书法字符图像数量相等；

将每种书法风格的书法字符图像按预设比例分为训练集和测试集。

3.根据权利要求1所述的一种基于方向特征增强的书法图像风格分类方法，其特征在于，S2中，深度卷积神经网络DCNN包括卷积层Conv、最大池化层MaxPool、批量归一化层BN、ReLU非线性激活函数、注意力模块CBAM、全局平均池化层Global Average Pool、全连接层FC和非线性激活函数Softmax。

4.根据权利要求1所述的一种基于方向特征增强的书法图像风格分类方法，其特征在于，S3中，2D-Gabor滤波器通过如下公式对训练集图像进行八个方向的特征提取：

其中，x和y为输入图像的像素，α为滤波器的旋转角度，Θ_k为旋转的八个不同的方向，k取0,1,2...7，β的计算方法如下：

G₁的计算方法如下：

5.根据权利要求4所述的一种基于方向特征增强的书法图像风格分类方法，其特征在于，将八个方向提取的特征图转化为方向特征图像的具体方法如下：

F(x,y,α,Θ_k)＝I(x,y)*G(x,y,α,Θ_k)

其中，I(x,y)为输入图像，G(x,y,α,Θ_k)为2D-Gabor滤波器，F(x,y,α,Θ_k)为转化后的方向特征图像。

6.根据权利要求1所述的一种基于方向特征增强的书法图像风格分类方法，其特征在于，S4中，将不同卷积核窗口的大小生成的方向特征图像与原始图像串连接，构建成多通道数的增强图像，将多通道数的增强图像输入深度卷积神经网络DCNN中进行训练。

7.根据权利要求6所述的一种基于方向特征增强的书法图像风格分类方法，其特征在于，多通道数的增强图像的表达式为：

N×N×9

其中，N×N为多通道数的增强图像的空间大小，9为多通道数的增强图像的通道数。

8.根据权利要求1所述的一种基于方向特征增强的书法图像风格分类方法，其特征在于，S5中，训练次数为200次，atch size为32，learning rate为0.0001，损失函数选择交叉熵损失函数，并且使用小批量梯度下降算法优化深度卷积神经网络。

9.根据权利要求1所述的一种基于方向特征增强的书法图像风格分类方法，其特征在于，S5中，保存每一次的测试准确率所对应的深度卷积神经网络的权重参数，测试准确率最高的深度卷积神经网络以及对应的权重参数共同组成最终的书法风格分类的分类器。