基于多特征融合的油画艺术风格分类

针对现有油画艺术风格分类算法忽略画面主体区域与整体效果对其艺术风格影响的问题,提出了一种基于多特征融合的油画分类算法(Multi-Feature Fusion Classifier,MFFC)。首先,基于油画艺术元素间常见的排列形式,设计重叠式图像分块法,提取油画空间特征,弥补现有算法中的构图风格缺失,同时区分主体区域与背景区域;其次,将空间特征与底层特征串联融合,增加画面元素的位置信息;最后,设计空间票选法,优先将主体区域的分类结果作为算法结果输出,进一步突出油画主体区域在分类中的作用,实现油画艺术风格的自动分类。在FS-Classifier模型创建的数据集上对所提算法进行测试,其准确率、精确率、召回率、F1-score和AUC分别为96.92%,63.69%,98.75%,98.57%和0.917,相比FS-Classifier分别提升了6.72%,5.85%,9.05%,7.1%和0.128;在公共数据集WIKIART上进行测试,并与其他6种算法进行比较,准确率至少提升了13.27%。实验结果表明,该算法有效提高了空间特征对油画艺术风格分类任务的表现性能,具有良好的实用价值。

基于金字塔演化策略的彩色图像多阈值分割

传统智能优化算法对彩色图像进行分割未能考虑种群间的竞争与协作关系,从而造成局部最优问题,影响了分割效果。为了提高分割效果,提出了一种改进金字塔演化策略(Improved Pyramid Evolution Strategy,IPES)。首先设计了一种适合彩色图像多阈值分割问题的自适应搜索算子,扩大各层级搜索空间,提高了算法的寻优能力;然后利用种群间的竞争与协作关系以解决局部最优问题,进而提高求解精度和分割效果;最后以最大类间方差(Otsu)为优化目标,利用现有的标准测试图像对算法性能进行测试,并将IPES算法与其他8种算法的性能进行比较。实验结果表明,经IPES算法分割后的图像峰值信噪比值在28~35 dB之间,比改进树种算法和传统的粒子群算法以及差分进化算法至少提高了10 dB;结构相似性值在89%~97%之间,至少提高了3个百分点,分割后的图片质量更好,结构相似性更高。因此,该算法在求解彩色图像多阈值分割问题时具有良好的性能。