基于神经网络的中国水墨画艺术风格学习
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题研究背景和意义 | 第7-9页 |
| ·主要研究内容 | 第9-10页 |
| ·全文结构 | 第10-12页 |
| 第二章 国内外相关研究现状 | 第12-17页 |
| ·图像的艺术风格学习研究现状 | 第12-14页 |
| ·基于图像类比和纹理合成的艺术风格学习 | 第12-13页 |
| ·基于样本的艺术风格学习 | 第13页 |
| ·其它图像风格转换 | 第13-14页 |
| ·水墨画的风格学习研究现状 | 第14页 |
| ·图像预处理和特征提取研究现状 | 第14-15页 |
| ·神经网络研究现状 | 第15-16页 |
| ·神经网络的发展 | 第15-16页 |
| ·神经网络用于图像识别 | 第16页 |
| ·综述 | 第16-17页 |
| 第三章 建立水墨画艺术风格库 | 第17-29页 |
| ·水墨画艺术风格综合分析 | 第17-20页 |
| ·技法特征与作品风格 | 第17-19页 |
| ·水墨画笔法及其特征表达 | 第19页 |
| ·水墨画墨法及其特征表达 | 第19-20页 |
| ·水墨对象的风格组成结构 | 第20页 |
| ·水墨画风格库设计 | 第20-29页 |
| ·风格笔元设计 | 第20-25页 |
| ·风格库结构设计 | 第25-27页 |
| ·风格库的使用 | 第27-29页 |
| 第四章 图像预处理系统 | 第29-44页 |
| ·图像预处理输出数据——图元的定义 | 第30-31页 |
| ·生成图元算法 | 第31-41页 |
| ·图像分割 | 第32-35页 |
| ·骨架提取 | 第35-36页 |
| ·图元信息提取 | 第36-41页 |
| ·实验效果 | 第41-44页 |
| 第五章 水墨画风格学习系统 | 第44-72页 |
| ·输入与输出定义 | 第45-46页 |
| ·输入样本的定义 | 第45页 |
| ·输出数据的定义 | 第45-46页 |
| ·特征提取器 | 第46-57页 |
| ·特征参数定义 | 第46-47页 |
| ·特征提取算法 | 第47-57页 |
| ·特征分类器概述——基于BP 反馈神经网络 | 第57-59页 |
| ·BP 神经网络设计 | 第59-64页 |
| ·神经网络结构 | 第59-62页 |
| ·正向传播 | 第62-63页 |
| ·反向传播 | 第63-64页 |
| ·神经网络的性能 | 第64-68页 |
| ·性能评价函数 | 第65-66页 |
| ·性能优化 | 第66-68页 |
| ·训练神经网络 | 第68-72页 |
| 第六章 使用风格特征数据 | 第72-76页 |
| ·使用风格学习系统的输出数据 | 第72页 |
| ·风格化渲染目标图像 | 第72-76页 |
| 第七章 总结与展望 | 第76-78页 |
| ·全文总结 | 第76-77页 |
| ·展望 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 发表论文和科研情况说明 | 第81-82页 |
| 致谢 | 第82页 |
