| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 概述 | 第9-14页 |
| 1.1 引言 | 第9-11页 |
| 1.1.1 中国水墨画的认识及其特点 | 第9-11页 |
| 1.1.2 本系统针对水墨画在鉴别中的分类 | 第11页 |
| 1.2 计算机水墨画分类系统实现目的和意义 | 第11-12页 |
| 1.3 水墨画分类技术的发展现状 | 第12-14页 |
| 1.3.1 传统的水墨画分类 | 第12页 |
| 1.3.2 计算机辅助水墨画分类系统研究现状 | 第12-14页 |
| 第二章 水墨画的基本元素及其特征提取 | 第14-21页 |
| 2.1 水墨画主要组成元素 | 第14-16页 |
| 2.1.1 墨迹 | 第14-15页 |
| 2.1.2 印鉴 | 第15-16页 |
| 2.1.3 提款 | 第16页 |
| 2.2 水墨画组成元素特征 | 第16-17页 |
| 2.3 元素特征的提取 | 第17-20页 |
| 2.3.1 点特征的提取 | 第17页 |
| 2.3.2 线特征的提取 | 第17-19页 |
| 2.3.3 面特征的提取 | 第19页 |
| 2.3.4 颜色特征的提取 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 系统需求分析 | 第21-24页 |
| 3.1 用户需求分析 | 第21-22页 |
| 3.2 技术可行性 | 第22页 |
| 3.3 系统主要功能 | 第22-23页 |
| 3.4 系统主要性能 | 第23-24页 |
| 第四章 系统设计及关键模块算法 | 第24-45页 |
| 4.1 系统结构设计 | 第24-25页 |
| 4.2 图像采集模块 | 第25-26页 |
| 4.3 水墨画各元素特征提取分析处理模块 | 第26-41页 |
| 4.3.1 墨迹 | 第26-31页 |
| 4.3.1.1 水墨画墨迹的形成与认识 | 第26页 |
| 4.3.1.2 印刷制品的色彩形成原理与认识 | 第26-27页 |
| 4.3.1.3 复印制品中的暗记特征和混色现象 | 第27-29页 |
| 4.3.1.4 墨迹的识别方法 | 第29页 |
| 4.3.1.5 识别算法 | 第29-31页 |
| 4.3.2 提款 | 第31-36页 |
| 4.3.2.1 提款识别对象 | 第31-32页 |
| 4.3.2.2 提款识别方法 | 第32-36页 |
| 4.3.2.2.1 仰角特征识别 | 第33页 |
| 4.3.2.2.2 扰度特征识别 | 第33-34页 |
| 4.3.2.2.3 横竖笔划粗细比 | 第34页 |
| 4.3.2.2.4 重心位置 | 第34-36页 |
| 4.3.3 印鉴 | 第36-41页 |
| 4.3.3.1 水墨画中印鉴的特征 | 第36页 |
| 4.3.3.2 印鉴图案色彩过滤 | 第36-38页 |
| 4.3.3.3 印鉴去噪图案骨架识别法 | 第38-41页 |
| 4.3.3.3.1 使用OPTA算法提取印鉴骨架 | 第39页 |
| 4.3.3.3.2 使用改良后OPTA算法提取印鉴骨架 | 第39-41页 |
| 4.4 水墨画分类系统中实现分类的算法模块 | 第41-44页 |
| 4.4.1 KNN算法 | 第41-42页 |
| 4.4.2 KNN算法在水墨画分类系统中的应用 | 第42-44页 |
| 4.4.2.1 样本数据选择 | 第42页 |
| 4.4.2.2 特征向量提取 | 第42-43页 |
| 4.4.2.3 KNN算法在水墨画分类中的实现过程 | 第43页 |
| 4.4.2.4 传统的KNN算法存在的缺陷 | 第43页 |
| 4.4.2.5 加权KNN算法在水墨画中的使用 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 系统实现 | 第45-55页 |
| 5.1 系统硬件技术的实现 | 第45页 |
| 5.2 系统软件的实现 | 第45-53页 |
| 5.3 本章小结 | 第53-55页 |
| 第六章 系统测试 | 第55-62页 |
| 6.1 测试环境 | 第55页 |
| 6.2 系统运行测试 | 第55-61页 |
| 6.3 系统分类测试结果分析 | 第61页 |
| 6.4 本章小结 | 第61-62页 |
| 第七章 讨论和展望 | 第62-64页 |
| 7.1 工作总结 | 第62页 |
| 7.2 展望 | 第62-64页 |
| 参考文献 | 第64-66页 |
| 致谢 | 第66页 |