面向壁画的图像分类及艺术形象定位技术研究的中期报告.docx

面向壁画的图像分类及艺术形象定位技术研究的中期报告
本研究旨在解决面向壁画的图像分类和艺术形象定位问题。本中期报告主要介绍了研究方法和实验结果。
一、研究方法
1.数据集准备
本研究使用了包含不同艺术风格和时期的壁画图片数据集，该数据集包含了不同的尺寸、角度、光照和质量的图片，共计5000张。我们将数据集分为训练集和测试集，其中训练集包含4000张图片，测试集包含1000张图片。
2.特征提取
我们使用了基于深度神经网络的特征提取方法。具体来说，我们使用了预训练的VGG16模型，去掉最后一层全连接层，将输入图片转换为512维的特征向量。
3.图像分类
我们使用了常用的分类器，如支持向量机（SVM）、随机森林（RandomForest）和k最近邻算法（k-NN）等。在特征提取后，我们使用训练集对分类器进行训练，然后将测试集输入到分类器中进行分类。
4.艺术形象定位
我们提出了一种基于梯度方向直方图的艺术形象定位方法。具体来说，我们将输入图片分成多个小块，对每个小块计算梯度方向直方图，然后将所有直方图拼接起来，得到一张整图的梯度方向直方图。然后将整图的直方图和每一个小块的直方图进行比较，得到每个小块的相似度评分，最终得到整张图片的相似度评分，用于定位艺术形象。
二、实验结果
1.图像分类
我们对比了不同分类器的分类效果，实验结果表明k-NN算法表现最好，分类精度达到了92.7%。
2.艺术形象定位
我们对比了不同小块尺寸对艺术形象定位的影响，在保证计算效率的前提下，我们选择了16×16的小块进行实验。实验结果表明，我们提出的方法能够有效地定位壁画中的艺术形象。
综上所述，本研究提出的壁画图像分类和艺术形象定位方法能够有效地解决壁画图像处理中的问题。未来工作将进一步探究如何提高分类精度和定位准确度。