基于图像的非真实感水墨画绘制技术研究

摘要

水墨画是中国代代传承的艺术经典，已经有上千年的历史。在21世纪的信息化时代，水墨画的艺术仿真研究是极其有意义的课题。中国水墨的表现手法丰富，有着复杂的笔墨技法，所以它的计算机仿真实现难度很大。目前，国内对水墨画的仿真研究比较有限，因此对中国水墨绘制方法的研究，不仅有利于水墨艺术推广，也有利于计算机数字媒体技术的发展。 非真实感绘制是计算机技术和绘画艺术相结合的一个研究领域，是指利用计算机生成不具有照片般真实感，而是具有手绘风格图形的技术。中国水墨画在绘制工具、绘制技巧等方面与西方有很大的不同，而且它蕴含了中国上千年的文化。使用计算机合成具有中国文化特色的水墨风格图像，将传统的艺术形式融入到计算机技术相关应用上，不仅可以拓展计算机应用领域的范围，还对发扬民族文化起了到推动作用。 在绘画领域，人们早就掌握了一种使用独特的风格来描绘景物的能力，并使绘画作品产生一种独特视觉体验效果。以油画和素描的艺术形式绘制的作品，从观察者角度看，心理反应是不同的，或者两个不同画风的人用同样的艺术形式绘制出来的效果也不相同。迄今为止，人们对自己如何进行绘画创作的思维方式是未知的，而且目前也没有一个人工的系统拥有人类这种能力。然而在视觉感知领域，由一类生物启发的视觉模型，比如目标检测、图像识别拥有了类似人类行为能力，我们称这种视觉模型为卷积神经网络。以往水墨画绘制方法生成的图像只具备了水墨画的一些基本特征，不能指定某一种风格，使得生成的图像显得有些呆板，没有意境层次的表达。卷积神经网络对图像特征提取具有很好的优势，本文在它的基础之上，提出了水墨纹理合成方法和水墨照片合成方法。这种方法可以指定某一种风格，首先，调整一个训练完成的卷积神经网络模型，定义卷积神经网络模型中卷积层映射的特征响应的表示，以及特征响应之间的相互关系表示，然后进行照片对比度增强处理，在一张随机的图像上，匹配照片的特征响应来获取内容信息，匹配水墨画的特征响应相互关系来获取风格信息。 本文提出的水墨画绘制方法是以非真实感绘制目标为导向，从概念上讲，最密切相关的是使用纹理传输实现艺术风格转移的方法。一般基于图像的非真实感绘制方法主要依赖于非参数的技术，直接操作图像的像素。相比之下，利用卷积神经网络对图像进行处理，是在特征空间中进行操作，显式地表示了图像的高层次内容。从最后的实验结果来看，本文算法能够实现图片水墨风格的自动转化，模拟水墨画的特征。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

§1.1 研究背景及意义

§1.2 国内外研究现状

§1.3 本文研究内容

§1.4 本文组织结构

第二章 研究基础

§2.1 中国水墨画

§2.2 非真实感绘制

§2.3 本章小结

第三章 卷积神经网络与图像特征分析

§3.1 人工神经网络

§3.2 卷积神经网络

§3.3图像特征分析

§3.4 本章小结

第四章 基于卷积神经网络的水墨纹理合成

§4.1 卷积神经网络模型

§4.2 L-BFGS最优化算法

§4.3 水墨纹理合成

§4.4 本章小结

第五章 基于卷积神经网络的水墨照片合成

§5.1 图像内容

§5.2 图像风格

§5.3 水墨合成

§5.4 本章小结

第六章 总结与展望

§6.1 研究总结

§6.2 研究展望

参考文献

致谢

作者在攻读硕士期间的主要研究成果