摘要：针对艺术风格绘画分类算法中存在的精度和效率不高等问题,提出一种基于信息熵的艺术风格绘画分类算法。首先选取西方漫画、素描、油画、水彩画,以及国内烙画、水墨画、壁画具有代表性的7种艺术绘画风格作为研究对象,对图像进行去噪、归一化等预处理。其次,提取绘画艺术作品风格特征,分别求取图像的颜色熵、分块熵、轮廓熵,并合并构成不同绘画风格的信息熵。信息熵求取时,将色彩空间转换为Lab颜色空间,通过a、b通道颜色值及加权函数获得图像的颜色熵;通过对艺术图像分块求取信息熵,求取分块的信息熵均值获得分块熵;通过Contourlet变换,求取艺术图像的轮廓信息,获得轮廓熵。接着,合并提取的颜色熵、分块熵、轮廓熵,利用支持向量机(SVM)对艺术风格图像学习训练,获得艺术绘画风格的分类模型;最后,提取待识别绘画风格样本的熵特征,通过SVM分类识别获得最终的分类结果。该方法具有特征维数少、运算速度快、尺度不变性等优势,实验结果表明,其能提高不同绘画风格的分类精度和效率。