基于不变矩和BP神经网络的剪纸纹样识别

针对剪纸纹样艺术夸张变形的特点,将剪纸图像进行预处理,提取7个不变矩作为剪纸纹样的特征向量,采用LM算法优化BP神经网络,通过归一化后的不变矩对BP神经网络进行训练,应用训练后的神经网络作为分类器对剪纸纹样进行模式识别,实验证明该方法能够较好地识别有一定艺术变形的剪纸纹样。     

基于多分辨Fourier-Mellin变换的剪纸纹样识别算法

提出一种基于多分辨Fourier-Mellin的剪纸纹样识别算法。该算法先对剪纸纹样图像进行Fourier-Mellin变换,再对变换后的图像通过小波变换计算出各层方差和均值,得到剪纸纹样不同子带的特征值,应用支持向量机对剪纸纹样进行识别。实验证明,该方法不仅具有平移、旋转和尺度不变性,而且适用于有夸张艺术变形的剪纸纹样识别。     

应用R变换和奇异值分解的剪纸纹样识别

首先对剪纸纹样进行R变换,求出峰值数,对R变换数据进行归一化处理,通过奇异值分解得到图像识别的特征向量,根据特征向量值和峰值数对剪纸纹样的识别。使用该方法提取到的特征向量具有平移、旋转和尺度不变性,能较好地识别有一定艺术夸张变形的剪纸纹样。     

基于小波变换和奇异值分解的剪纸纹样识别

针对民间传统剪纸艺术的计算机创作问题,在分析剪纸艺术特点的基础上,提出一种基于小波变换和奇异值分解的剪纸纹样识别方法.首先对剪纸纹样图像进行归一化和二值化处理,然后应用小波变换提取剪纸纹样图像的低频分量并进行奇异值分解,最后通过对奇异值进行归一化和降维处理作为最终的特征向量,利用最近邻分类器进行模式识别.实验结果表明,该方法能够有效地去除噪声干扰,较好的识别有一定艺术夸张变形的剪纸纹样.