[发明专利]一种基于整体嵌套边缘检测的中西方绘画图像分类方法

说明书

本发明属于图像分类技术领域，针对传统图像分类方法存在的问题，公开了一种基于整体嵌套边缘检测的中西方绘画图像分类方法。具体为：将绘画图像输入整体嵌套边缘特征提取网络模型中，取第一个分支的输出内容作为绘画图像的边缘特征图；然后搭建中西方绘画图像分类网络模型，模型包括两个分支输入，一个为图像的边缘特征图，另一个为绘画图像原图，两个分支网络均采用单通道卷积网络，在倒数第三个全连接层处将两个分支网络的信息合并，经由最后的全连接层得到绘画图像分类结果。该方法不仅能够更加全面地提取中西方绘画图像的特征，很好的保留绘画图像的颜色和纹理特征，又能有效提高整个绘画分类系统的运算效率，从而得到较为准确的分类结果。

技术领域

本发明属于图像分类技术领域，具体为一种基于整体嵌套边缘检测的中西方绘画图像分类方法。

背景技术

绘画作品是承载人类文明发展的一种重要载体。对绘画的研究有助于人们更好地了解人类历史和文化。随着西方油画，东方山水画等绘画作品数字化进程的加速，以及绘画电子图书馆的建立，使得研究者们拥有海量的数字化绘画图像资源。若要充分利用这些资源，就需要计算机能够准确地对绘画图像资源进行分类，以方便研究者使用。

随着科学技术的快速发展，卷积神经网络已在图像分类领域取得了很好的效果，但在中西方绘画作品分类领域，目前研究较少。在绘画作品的分类研究中，国内外大部分研究者是从美术绘画角度进行分析与评估，主要研究对象为中国传统水墨画。使用传统的机器学习，通过人工经验总结特征，将其存储为数据，通过这些数据产生模型。利用传统方法对绘画作品进行分类，存在许多问题，例如：传统的图像分类方法在进行图像分类时未考虑绘画作品的主观性特征，并且大多数特征需要人工进行提取，不仅耗时耗力，细节特征极易丢失。且传统的分类方法中，模型的泛化能力不足。因此，提出一种能够解决上述传统方法缺陷的中西方绘画图像分类方法很有必要。

发明内容

针对上述传统图像分类方法存在的问题本发明提供了一种基于整体嵌套边缘检测的中西方绘画图像分类方法。

为了达到上述目的，本发明采用了下列技术方案：

本发明提供一种基于整体嵌套边缘检测的中西方绘画图像分类方法，包括以下具体步骤：

步骤1，获取中西方绘画图像的边缘特征图；

步骤2，搭建中西方绘画图像分类网络模型；

步骤3，对搭建好的中西方绘画图像分类网络模型进行训练优化；

步骤4，将中西方绘画图像的边缘特征图和中西方绘画图像的原图输入训练优化好的中西方绘画图像分类网络模型，得到中西方绘画图像分类结果。

进一步，所述步骤1中获取中西方绘画图像的边缘特征图的具体过程为：将中西方绘画图像输入整体嵌套边缘特征提取网络中，选取整体嵌套边缘特征提取网络的第一个分支的输出，作为图像的边缘特征图。

进一步，所述步骤2中搭建中西方绘画图像分类网络模型的具体过程为：

步骤2.1，设计单通道卷积网络，具体为：单通道卷积网络网络包含5个卷积层和2个全连接层，网络的输入图像大小设定为227×227×3；卷积层的结构参数采用AlexNet的设定，激活函数采用RELU；最后一个全连接层的激活函数为Softmax；

步骤2.2，搭建中西方绘画图像分类网络模型，具体为：将2个步骤2.1中搭建好的单通道卷积网络作为中西方绘画图像分类网络模型的两个分支网络，分别用于输入中西方绘画图像的边缘特征图和中西方绘画图像的原图，将2个分支网络即2个单通道卷积网络的最后一个全连接层合并，并在合并后再加入两个全连接层，维度分别为1024和2，最后一个全连接层的激活函数为Softmax。

进一步，所述步骤3中对搭建好的中西方绘画图像分类网络模型进行训练优化的具体过程为：