摘要：针对非真实感抽象绘制技术中可能存在的抽象程度整体趋于一致、缺少色彩层叠感的问题,提出一种自动的、基于图像重要度的抽象艺术风格绘制方法.首先通过梯度和显著度加权计算得到图像的重要度,并将该重要度引入抽象艺术风格绘制;在绘制过程中,为了保留图像的局部结构和方向特征,采用各向异性滤波平滑结构张量场,并沿张量场局部曲线方向进行积分卷积计算;最后采用改进的局部光照明Phong模型对抽象结果进行渲染,有效地突出不同光照条件下的艺术表现力,增强了艺术效果的色彩层叠感.实验结果表明,该方法能对图像局部区域进行不同程度的抽象,更好地保留图像中的局部细节和结构特征,更加符合格式塔理论,并可以产生具有色彩层叠感的抽象艺术效果.

摘要：纳西族东巴画具有纹理复杂、色彩鲜明的艺术特点,是民族文化的重要组成部分.针对东巴画数量稀少且主题多样、细节丰富,现有的深度学习方法直接应用于东巴画分类任务时易导致模型分类准确率低、泛化性差等问题,提出一种融合空间信息和分布关系的东巴画小样本分类方法.首先采用一对独立的编码操作将空间信息聚合到通道注意力,获取具有方向感知和位置敏感的注意力特征图,准确定位东巴画目标区域;然后将特征图输入自适应元权重生成器,加强支持集与查询集样本之间的信息关联,增强特征的表达能力;最后构建双向图神经网络,显式地利用样本实例信息和分布关系,通过优化重构样本图特征进行分类预测.在3个自建的东巴画数据集上进行模型训练的实验结果表明,与其他小样本算法相比,所提方法的分类准确率分别提升9.79,5.76和8.21个百分点,可以更有效地提取东巴画分类所需的图像全局信息和细节特征,并能扩展至其他少数民族文化的保护与传承等领域.

摘要：针对刺绣风格数字化模拟方法立体感不强、缺少线条方向等问题,提出了一种基于深度学习和卷积神经网络的算法,将刺绣艺术风格传输到目标图像。利用图像语义分割网络及风格迁移网络,分别对目标内容图像与刺绣艺术风格图像进行目标提取和风格迁移。首先,输入目标内容图像与刺绣艺术风格图像,采用基于条件随机场的图像语义分割,将目标内容图与刺绣艺术风格图的前景与背景分离,并进行二值化处理,形成掩模图像;其次,将目标内容图与刺绣艺术风格图的RGB颜色空间转换为YIQ;最后,参照掩模图像使用VGG19网络模型提取目标内容图的内容特征及刺绣艺术风格图的风格纹理特征进行目标区域内的风格迁移,从而对刺绣艺术进行数字化模拟。该算法能模拟出具有刺绣艺术效果的结果图像,能更好地模拟真实刺绣艺术的线条方向,突出了线条的立体感。通过使用语义分割与风格迁移相结合的方法,有效模拟了色彩艳丽、立体感强的刺绣艺术风格图像,是对非真实感绘制的有效补充,为刺绣数字化保护与非物质文化传承奠定了基础。

摘要：在计算美学研究中,需要用绘画作品的高分辨率图像来进行分析,但实际获得的绘画作品图像多为低分辨率的,为此研究绘画图像质量对视觉艺术分析效果的影响.选取梵高、莫奈等4位画家绘画作品的高低分辨率图像作为研究对象,采用稀疏编码训练出绘画作品的基函数;对基函数在Gabor域和频率域提取Gabor能量、峰值方向、峰值空间频率等7个特征;按不同的绘画组别对这些特征进行归一化互信息计算,比较它们在分析绘画风格时的性能差异;用性能最好的Gabor能量分析高低分辨率绘画图像对绘画风格研究的差异;最后采用从高分辨率绘画图像中提取的特征对绘画风格进行了分类.实验结果表明,低分辨率绘画图像提取的特征在一定程度上仍具有表征绘画风格的能力,可用于绘画风格的分析,其中Gabor能量的性能最好.

摘要：针对纳西族东巴画艺术形象线条突出、色彩分明、样本较少的特点,提出一种端到端的基于图神经网络的东巴画小样本分类方法.首先,设计多分辨率多尺度的图像特征提取网络,图像特征与边缘特征融合后嵌入图神经网络中作为节点,构建分类图神经网络;其次,以边标记作为架构并采用二维边标记特征作为图像分类依据,保留节点分类时所需的类内相似性和类间相异性;最后,提出自注意力机制与特征显著性注意力机制相结合的方法更新节点特征,增强了节点之间的特征关联性.模型使用Python实现并用RTX2080Ti在自建东巴画数据集上进行实验,结果表明,所提方法较好地提取了东巴图像特征,保留了东巴画分类所需的图像局部细节和节点间相似性特征,与对比算法相比,提高了分类准确度,并有更低的分类精度标准差.

摘要：提出了一种交互式东巴画数字模拟方法。设计并开发了一个东巴画白描图绘制系统,通过交互方式方法建立图形元素数据库,选取不同图形元素组合后获得光滑、连续的白描图图像;采用多频率噪声积分卷积算法模拟块状纹理的混色效果,生成东巴画前景图像;采用纹理合成算法产生东巴画背景图像,通过前景图像与背景图像融合、局部色彩传输方法获得最终东巴画数字仿真结果。算法简单有效,是少数民族艺术风格作品数字化模拟的有效补充,有利于少数民族文化数字化保护和传承。

摘要：非真实感绘制技术(non-photorealistic rendering,NPR)主要用于模拟艺术风格、表现艺术特质和传达用户情感等,是计算机图形学的重要组成部分,其研究对象逐渐丰富,研究方法不断创新。本文从基于图像建模的绘制方法、基于深度学习的绘制方法、中国特有艺术作品的数字化模拟、非真实感情感特征识别以及非真实感视频场景绘制等5个方面概述目前研究进展,然后从扩展非真实感研究对象、增强视频绘制帧间连贯性、提取艺术风格情感特征以及评价非真实感绘制结果等4个角度讨论需要进一步研究的问题。针对需要深入研究的问题,指出提高算法的通用性和绘制效率,以及提高深度学习网络的泛化性,有助于扩展研究对象,模拟艺术风格的多样性,同时减小视频场景的帧间跳变;对艺术风格作品具有的情感特征、内在机理特征进行模拟,有助于提高绘制结果与艺术风格图像的相似度;结合主观和客观评价模型,可以更准确地对绘制结果进行评价,同时有利于优化网络模型参数,提高绘制效率。非真实感绘制在计算机视觉、文化遗产保护等领域具有重要的应用前景,但其研究对象、绘制算法、绘制效率仍然存在很多亟待解决的问题,随着硬件设备的不断改进,综合运用学科交叉知识、扩展应用领域将进一步推动非真实感绘制技术的发展。

摘要：非真实感绘制(NPR)也称艺术化渲染,主要用于模拟艺术化的绘制风格。随着图像处理技术的不断发展,研究者已经对中国特有的中国水墨画、烙画、云南重彩画等艺术作品进行了模拟,目前对苗族刺绣的数字化模拟研究还不多见。苗族刺绣也称苗绣,经国务院批准列入我国第一批国家级非物质文化遗产名录,是我国装饰艺术园地里的一朵奇葩。以苗绣为研究对象,根据真实苗绣艺术作品特点,提出了一种多角度针迹的苗绣艺术风格绘制方法。首先,针对苗绣图案构图手法夸张、层次分明的特点,将目标图像灰度处理,采用多阈值处理图像的方法分割出多幅刺绣图像;然后采用形态学方法消除杂散点、填充空洞点并平滑图案边缘,获得圆润自然、紧凑饱满的特征图案;接着,使用一种基于图像矩阵空间变换和添加纵向纹理的针迹生成算法使每一幅刺绣图像生成不同角度的苗绣针迹纹理;再用图像线性组合的方法将多幅苗绣针迹纹理图像合成为纹理图;最后用Alpha透明度混合算法将苗绣纹理图和目标图像叠加,获得苗绣图案设色对比强烈的艺术特征,产生效果图像。实验证明,该方法能够模拟出真实苗绣艺术作品的多角度针迹纹理效果。

摘要：图像融合是图像拼接中的一个重要步骤,用于生成无缝的融合图像.针对当前高分辨率图像融合算法速度较慢的问题,提出一种基于多频带的快速图像融合方法.首先通过进行2遍距离变换生成一幅接缝图像,并根据这幅接缝图像生成每一幅输入图像的蒙版图像,这个过程与输入图像的次序无关,并且具有良好的可扩展性;其次使用游程编码对蒙版图像进行压缩编码,生成每一幅蒙版图像的高斯金字塔,并利用SIMD指令集生成输入图像的拉普拉斯金字塔;最后使用SIMD指令集完成拉普拉斯金字塔重构,得到一幅无缝的融合图像.在实验中对2组数据集进行测试,结果表明该方法能够高效地合成高质量的融合图像.与已有的图像融合方法相比,文中方法运行速度更快、内存使用较少、具有更好的并行性,更适合于目前的多核处理器架构.

摘要：目的针对现有刺绣模拟算法中针线感不强、针线轨迹方向单一等问题,提出了一种基于多尺度双通道卷积神经网络的刺绣模拟算法。方法1)搭建多尺度双通道网络,选取一幅刺绣艺术作品作为风格图像,将MSCOCO(microsoft common objects in context)数据集作为训练集,输入网络得到VGG(visual geometry group)网络损失和拉普拉斯损失;2)将总损失值传回到网络,通过梯度下降法更新网络参数,并且重复更新参数直到指定的训练次数完成网络训练;3)选取一幅目标图像作为刺绣模拟的内容图像,输入训练完成的网络,获得具有刺绣艺术风格的结果图像;4)使用掩模图像将得到的结果图像与绣布图像进行图像融合,即完成目标图像的刺绣模拟。结果本文算法能产生明显的针线感和多方向的针线轨迹,增强了刺绣模拟绘制艺术作品的表现力。结论本文将输入图像经过多尺度双通道卷积神经网络进行前向传播,并使用VGG19、VGG16和拉普拉斯模块作为损失网络进行刺绣模拟。实验结果表明,与现有卷积神经网络风格模拟算法对比,本文提出的网络能够学习到刺绣艺术风格图像的针线特征,得到的图像贴近真实刺绣艺术作品。