基于图像熵与复杂网络的中国画自动分类技术

"利用图像熵和复杂网络的中国画分类方法" 本文主要探讨了一种创新的中国画分类技术，它依赖于图像内容特征而非传统的题款印鉴，这在数字化中国画管理中具有重要意义。面对数字化中国画的诸多不规范问题以及现有特征提取算法的局限性，研究者提出了一种结合图像熵和复杂网络理论的方法来提取和分析中国画的纹理特征，并利用支持向量机（SVM）进行分类。 图像熵是一种衡量图像信息含量和不确定性的指标，它在图像处理中常用于评估图像的复杂性和均匀性。在该方法中，图像熵被用于对图像进行分块筛选，通过计算各区域的熵值，可以识别出包含丰富信息的关键区域，从而减少无效计算，提高处理效率。 复杂网络理论则被用来进一步分析和提取纹理特征。复杂网络能够有效地描述图像中的模式和结构，通过构建基于图像特征的网络模型，可以捕捉到图像的复杂纹理信息。这种方法可能包括节点表示图像的局部特征，边则反映特征间的相互关系。通过网络的特性如节点度分布、聚类系数等，可以提取出独特的纹理描述符。 支持向量机（SVM）是一种监督学习模型，特别适合于小样本、非线性及高维模式识别问题。在本研究中，SVM被用作分类器，它可以根据提取的纹理特征将中国画分类。实验结果显示，该方法不仅能够有效地提取中国画的纹理特征，而且在图像质量不佳或存在不规范情况时，分类性能仍然保持良好。 这一研究的贡献在于提供了一种更适应于图像不规则性的中国画分类方法，对于推动中国画的数字化管理和保护具有实际应用价值。同时，这种方法也可以扩展到其他类型的图像分类任务，特别是在文化遗产保护和艺术作品分析等领域，为自动化和智能化的图像分析提供了新的思路。 关键词：图像处理，图像分析，纹理特征，复杂网络，图像熵 中图分类号：TP391.411 文献标识码：A DOI：10.3788/LOP54.021008 《利用图像熵和复杂网络的中国画分类方法》由王民、王羽笙、刘涛、胡毅和肖磊共同完成，发表于《激光与光电子学进展》杂志，2017年第54卷第021008期，由中国激光杂志社出版。文章深入探讨了如何利用现代图像处理技术和复杂网络理论来改进传统的人工分类方法，为数字化中国画的管理和研究提供了新的技术手段。