一种计算机辅助书法作品真伪鉴别方法

摘要

本发明提供了一种计算机辅助书法作品真伪鉴别的方法。包括如下步骤：(1)提取书法字笔划特征；(2)统计和分析不同书法家的书法字在结体形态和笔划形态上的特征；(3)构造单个书法家书法字的个性风格向量；(4)针对可疑作品所宣称的书法家，构造该书法家的真迹模型；(5)根据书法家的个性风格特征向量，对比分析可疑作品中相应的特征，检测可疑点并计算是伪作的概率；(6)给出鉴定结果，对于是判为伪作的可疑作品，给出伪作概率的同时给出伪作“证据”。本发明具有的有益的效果是：改变书法作品真伪鉴别一直以来由书法家完成、鉴别受限于人脑局限的现状，为书法作品真伪鉴别提供客观的、量化的“可疑证据”，有助于澄清目前真伪作品混杂的书画市场。

说明书

技术领域

本发明涉及计算机技术中的数字图像识别，尤其涉及一种计算机辅助书法作品真伪鉴别方法。发挥计算机比人脑优势的存储、统计和检索功能，为书法鉴定家提供量化的、客观的‘铁证’。

背景技术

由于历史上书法作品具有较高的艺术价值，价格不菲，因此伪作在商品市场中不断涌现。借助于现代高科技尤其是电脑，作伪来得更容易，使赝品的数目远多于真迹。如果把一幅赝品当真迹买回来，显然损失是惨重的。书法真伪鉴定一直以来由有经验的书法艺术家来完成，鉴定是主观的，主要以“望气派”为主流，凭个人经验直觉判断，另外还有通过看款印是否可靠的“款印派”，和以历史有否著录为依据的“著录派”。受人脑的局限性，任何一位鉴定家一般只熟悉几个或者几派书法家，只能记住一部分资料，凭经验和感觉判断真伪，而缺乏“实证”。这使得书法鉴定往往出现“只可意会不可言传”的“玄妙”，让人难以理解。

本发明利用计算机远比人脑强大的存储记忆功能、检索和分析对比功能，将可疑作品中的所有风格个性特征与数据库中相应的真迹风格进行对比。譬如某幅真迹作品有20个书法字，每个书法字有10个特征点，假设伪造者每个潜在的特征伪造成功的概率高达80％，则整幅作品伪造得与真迹一模一样的概率是 $>>>1>20>>\times >>>(>80>\%>)>>10>>=>0.0053687>,>>>即伪造成功的概率非常小，总是会有可疑点能被检测到。本发明检测所有可疑点并计算其是真迹特征的可能性大小，最后给出整幅作品是真迹的可能性大小。如果判定可疑作品是伪作的可能性较大，则同时给出哪些点是可疑的。$

发明内容

本发明的目的是克服已有技术的不足之处，提出一种计算机辅助书法作品真伪鉴别方法。借助于计算机在存储、计算和分析上的优势，辅助书法作品真伪鉴别，为书法真伪鉴别提供客观的“证据”的一种方法。

包括如下步骤：

(1)通过同时跟踪书法字骨架和轮廓的方法，提取书法字笔划特征；

(2)统计和分析不同书法家的书法字在结体形态和笔划形态上的特征；

(3)利用高斯分布选取单个书法家书法字的个性风格特征，并计算每个特征的权重，构造个性风格向量；

(4)根据高斯分布函数，针对可疑作品所宣称的书法家，根据数据库中该书法家的真迹作品构造该书法家的真迹模型；

(5)根据书法家的个性风格特征向量中的每个特征，对比分析可疑作品中相应的特征，检测可疑点；计算该可疑特征为伪作的概率；

(6)给出鉴定结果，对于是判定为伪作的可疑作品，给出是伪作的概率的同时给出伪作“证据”。

所述的一种计算机辅助书法作品真伪鉴别方法，其特征在于所述的通过同时跟踪书法字骨架和轮廓的方法，提取书法字笔划特征的步骤如下：

(1)跟踪书法字骨架，检测交点簇；

(2)跟踪书法字轮廓，检测拐点；

(3)根据骨架的交点簇和轮廓的拐点提取正确的笔划轮廓。

所述的一种计算机辅助书法作品真伪鉴别方法，其特征在于所述的统计和分析不同书法家的书法字在结体形态和笔划形态上的特征的步骤如下：

(1)结体形态特征包括：字的高宽比例、重心位置、以重心为界上下左右侧墨点的多寡，以重心为界上下左右侧倾斜度；

(2)笔划形态特征包括：笔划熵、笔划抖动程度、弯曲程度、粗细变化。

所述的一种计算机辅助书法作品真伪鉴别方法，其特征在于所述的构造个性风格向量特征是：分别计算数据库中所有真迹和单个书法家真迹在每个特征点上的均值和方差；根据高斯分布，如果单个书法家的某个特征的均值分布在所有书法家该特征值高斯分布的小概率时间范围内，则该特征被认为是该书法家的个性化风格特征的一个组成。

所述的一种计算机辅助书法作品真伪鉴别方法，其特征在于所述的给出鉴定结果，对于是判定为伪作的可疑作品，给出是伪作的概率的同时给出伪作“证据”的方法是：框出可疑作品中的可能是伪作的书法字，当点击该字时，给出该字和相应的真迹的对比；同时，给出用作对比的真迹书法字的出处。

本发明具有的有益的效果是：本发明解决了书法作品真伪鉴别一直以来由书法家完成、鉴别受限于人脑主观经验局限的问题，为书法作品真伪鉴别提供了客观的、量化的“可疑证据”，有助于澄清目前真伪作品鱼目混杂的书画市场。

附图说明

图1是计算机辅助书法作品真伪鉴别方法系统框架框图；

图2是计算机辅助书法作品真伪鉴别方法的关键步骤工作流程图；

图3是计算机辅助书法作品真伪鉴别的单个书法字切分示意图；

图4(a)是计算机辅助书法作品真伪鉴别方法所采用的链码方向示意；

图4(b)是图4(a)对应的图像象素点8邻域编码示意；

图5是计算机辅助书法作品真伪鉴别方法所采用的高斯分布示意图；

图6是计算机辅助书法作品真伪鉴别方法所述的通过同时跟踪书法字骨架和轮廓的方法提取书法字笔划的示例；

图7是三个不同书法字中横划骨架、相对应的笔划方向直方图及其相应的笔划熵对比；

图8是笔划宽度计算示意图，其中红色象素为骨架点，d为骨架点对应的笔划宽度；

图9是计算机辅助书法作品真伪鉴别方法的可疑作品真伪估算示意图；

图10是声称为吴昌硕作品的真伪鉴别例子，蓝色包围盒框出的是有可疑的书法字；

图11是图10可疑书法字的可疑“证据”展示，绿色轮廓框出的横笔是可疑的“证据”，

第二行、第三行给出了相应的吴昌硕真迹作品中的横笔写法参考；

图12是图11真迹参考结果中第一行最后一列的“可”字的原作浏览；

具体实施方法

本发明提出一种计算机辅助书法作品真伪鉴别方法，结合附图，其实施详细说明如下：

本发明的系统框架如图1所示，包括以下步骤：

1.扫描原始的真迹书法作品，并对其进行元数据标注，包括作品名、作者、朝代、评论的关键字，建立数据库表存放作品元数据及相应的原始扫描作品图像在磁盘中的存储路径。

2.切分真迹书法作品页面，获取单个书法字。通过跟踪书法字骨架检测交点簇：对于一个骨架点，如果其8邻域里与其相邻的骨架点大于2个，则该点是交叉点。相邻的多个交叉点的集合称为交点簇，是两个笔段交叉的标记。通过跟踪书法字轮廓点检测拐点：一个轮廓点p_i(x_i，y_i)为拐点需满足如下两个条件：

(1)以该点为结束点和起始点的线段斜率满足： $>>>>>y>i>>->>y>>i>->k>>>>>>x>i>>->>x>>i>->k>>>>>->>>>y>>i>+>k>>>->>y>i>>>>>x>>i>+>k>>>->>x>i>>>>>>\theta >,>>>其中\theta ＝0.6为阈值，k＝3；$

(2)以该点为中心的拐角角度满足： $>>>c>i>>=>>>>pre>ik>>+>>next>ik>>>>|>>p>>i>+>k>>>>p>>i>->k>>>|>>>>>T>,>>>其中T＝1.25为阈值，k＝5。$

3.统计和分析不同书法家真迹书法字在笔划形态上的风格特征，包括：

(1)统计和分析不同书法家真迹书法字的各类型笔划的笔划熵：

一个笔划的笔划熵 $>>>E>s>>=>>\Sigma >>i>=>1>>8>>sd>[>i>]>\times >log>>(>sd>[>i>]>)>>,>>>其中$ >>sd>[>i>]>=>>>\#>\{>>code>j>>=>i>\}>>length>>,>>>code$$_j为该笔划8方向链码中第j个编码值，length为链码长度。

(2)统计和分析不同书法家真迹书法字的笔划抖动程度：

令length_original为要计算抖动度的笔划的轮廓点个数，length_zoom out为该笔划缩小0.5倍后的轮廓点个数，则抖动度Jitterness为：

$>>Jitteriness>=>>>length>original>>>length>0.5>>>>>$

(3)统计和分析不同书法家真迹书法字的笔划粗细变化，对某一指定类型笔划，其粗细变化可用均方差平方值表示为：

$>>tv>=>>1>n>>>\Sigma >>i>=>1>>>i>=>n>>>>>(>>w>i>>-ver>>w>‾>>)>>2>>,>>>其中$ >ver>>w>‾>>=>>1>n>>>\Sigma >>i>=>1>>>i>=>n>>>>w>i>>>>$$

(4)统计和分析不同书法家真迹书法字的曲笔弯曲度走势：

用8链码表示笔划骨架走向，其方向编号如图4(a)所示，相应的图像元素8邻域编码如图4(b)所示。统计链码序列中笔划走势从一个方向变到相反的一个方向的个数，记作t。令lb_i和la_i分别为峰点p_i之前和之后笔划不同方向走势的长度，走势长度定义为：l_i＝min{lb_i，la_i}，弯曲度的值可由下列公式计算：

$>>rt>=>1>+>>\Sigma >>i>=>1>>>i>=>t>>>>>t>\times >>l>i>>+>>dif>i>>>length\; of\; curve>>>>$

4.统计和分析不同书法家真迹书法字的在结体形态上的风格特征，包括：

(1)计算不同书法家真迹书法字的高和宽比例，如以下公式：

$>>>ratio>>h>/>w>>>=>>height>width>>>>$

(2)令书法字图像函数为f(x，y)，计算真迹及伪作的书法字的X-轴和Y-轴的重心位置：一个书法字的p+q阶矩可写作： $>>>m>pq>>=>>\Sigma >>x>=>0>>>x>=>M>->1>>>>\Sigma >>y>=>0>>>y>=>N>->1>>>>x>p>>>y>q>>f>>(>x>,>y>)>>,>>>则其X-轴方向重心为：$

$>ver>>x>‾>>=>>>m>10>>>m>00>>>,>>>Y-轴方向重心为：$ >ver>>y>‾>>=>>>m>01>>>m>00>>>>>$$

(3)计算不同书法家真迹书法字的以重心为界，上下及左右侧笔墨多寡及字的倾斜度比例：书法字的p+q阶中心矩可写作：

$>>>u>pq>>=>>\Sigma >>x>=>0>>>x>=>M>->1>>>>\Sigma >>y>=>0>>>y>=>N>->1>>>>>(>x>-ver>>x>‾>>)>>p>>>>(>y>-ver>>y>‾>>)>>q>>f>>(>x>,>y>)>>,>>>$

书法字以X-轴重心为界左右侧笔墨多寡变化可写作： $>>>s>h>>=>>>>u>30>>+>>>>>u>30>>+>>+>>>u>30>>->>>>;>>>$

书法字以Y-轴重心为界上下侧笔墨多寡变化可写作： $>>>s>v>>=>>>>u>03>>+>>>>>u>03>>+>>+>>>u>03>>->>>>;>>>$

书法字以Y-轴重心为界左右侧倾斜度比例为： $>>>b>h>>=>>>>u>21>>+>>>>>u>21>>+>>+>>>u>21>>->>>>;>>>$

书法字以X-轴重心为界左右侧笔墨多寡变化可写作： $>>>b>v>>=>>>>u>12>>+>>>>>u>12>>+>>+>>>u>12>>->>>>.>>>$

5.并非每个特征都是指定书法家的个性特征，因此对上述风格特征进行特征选取，选取个性特征组合成表征指定书法家风格的特征向量：

根据图5所示的高斯统计模型，计算数据中所有书法家真迹作品的每个特征f_i的均值u_i和方差σ_i，以及指定书法家作品中特征f_i的均值令λ＝1.5为阈值，如果该特征满足以下公式：

$>>|ver>>>x>i>>‾>>->u>|>>>\lambda >\times >>\sigma >i>>>>$

则该特征是该书法家的个性化风格各种，加入表征其风格的特征向量中。

6.根据指定书法家真迹作品的个性化风格特征向量中的每个向量，对比分析可疑作品中相应的特征，检测可疑点：令为指定书法家特征向量中的向量f_i的方差，u为均值，为所提交的需验证的可疑作品的均值。令λ＝1.5为阈值，则根据图5所示的高斯统计模型，如该特征下式满足，则该可疑特征可能为伪作特征：

$>>|ver>>>x>i>>‾>>->u>|>>>\lambda >\times >>\sigma >i>>>>$

则该可疑点为伪作的概率是：

$>>p>>(>>x>i>>)>>=>2>\times sup>>\int >>l>=>>x>i>>>>t>=>\infty >sup>>>1>>2>>\pi \sigma >i>\; >>exp>>(>>>>(>t>-ver>>>x>i>>‾>>)>>2>>>2ver>sup>>\sigma >i>2sup>>‾>>>>)>>dt>>>$

该可疑可书法字为伪作的概率是：

$>>p>>(>c>)>>=>>1>m>>>\Sigma >>i>=>1>>>i>=>m>>>p>>(>>x>i>>)>>>>$

整幅可疑作品的是伪作的概率等于所有可疑的单字是伪作概率的平均。

7.结果显示：

用户提交一幅作品，计算机输出鉴别结果：

(1)在可疑书法字上框一个蓝色包围盒，表示该书法字是可疑的，可能是伪作；

(2)当用户点击框有蓝色包围盒的可疑书法字时，弹出一个新页面，显示该字为什么可能是伪作的“证据”：可疑书字的可疑笔划被用绿色轮廓线框出，同时检索出该书法家真迹数据库中相应的真迹笔划，同样用绿色轮廓线框出，以便用户对比，并根据提示，了解其为什么可能为伪作；

(3)当用户想知道真迹是否可靠，从哪里来时，可点击该真迹书法字，弹出一个新页面，显示该字的原始真迹作品，并框出该字所在位置。

实施例：

(1)切分真迹书法作品页面，获取单个书法字，如图3所示，构造真迹数据库；

(2)提取书法字笔划轮廓，如图6所示例；

(3)统计和分析不同书法家真迹书法字在笔划形态上的风格特征：

计算如图7所示的三个书法字绿色轮廓标出的横笔的笔划熵：

$>>>E>s>>=>>\Sigma >>i>=>1>>8>>sd>[>i>]>\times >log>>(>sd>[>i>]>)>>,>>>其中$ >>sd>[>i>]>=>>>\#>\{>>code>j>>=>i>\}>>length>>,>>>其值如图7统计图所示，相应的E$$_s如图7所标，易知第一个书法“平”字横划的笔划熵最大，那是因为与其余两个书法字的横划相比，该字横划弯曲度大，包含信息多；用直线画出的笔划，笔划熵达到最小值E_s＝0；当笔划为一个圆圈时，该笔划的8方向链码中每个方向所占比例相等，此时，笔划熵达到最大值。笔划扭动度越大，其笔划熵就越大；

计算笔划抖动度：笔划的抖动度用公式 $>>Jitteriness>=>>>length>original>>>length>0.5>>>>>计算；$

计算笔划的弯曲程度：笔划弯曲度由公式 $>>rt>=>1>+>>\Sigma >>i>=>1>>>i>=>t>>>>>t>\times >>l>i>>+>>dif>i>>>length\; of\; curve>>>>计算，其中t为链码序列中笔划走势从一个方向变到相反的一个方向的个数，lb$_i和la_i分别为峰点之前和之后笔划不同方向走势的长度，l_i＝min{lb_i，la_i}；

计算笔划粗细变化：笔划粗细变化由公式 $>>>\sigma >2>>=>>1>t>>>\Sigma >>i>=>1>>>i>=>t>>>>>(>>d>i>>->w>)>>2>>>>计算得，其中$ >>w>=>>1>t>>>\Sigma >>i>=>1>>t>>>d>i>>,>>d>i>>>>为第i个骨架点的宽度，t为骨架点的个数，如图8截图所示。$$

(4)统计和分析不同书法家真迹书法字在结体形态上的风格特征，

计算书法字的高宽比例： $>>>ratio>>h>/>w>>>=>>height>width>>;>>>$

计算书法字的重心位置：(x，y)，其中 $>>ver>>x>‾>>=>,>>>m>10>>>m>00>>>,ver>>y>‾>>>>>=>>>m>01>>>m>00>>>,>m>>pq>>=>>\Sigma >>x>=>0>>>x>=>M>->1>>>>\Sigma >>y>=>0>>>y>=>N>->1>>>>x>p>>>y>q>>f>>(>x>,>y>)>>,>>>$

计算书法字以X-轴重心为界左右侧笔墨多寡变化： $>>>s>h>>=>>>>u>30>>+>>>>>u>30>>+>>+>>>u>30>>->>>>;>>>$

计算书法字以Y-轴重心为界上下侧笔墨多寡变化可写作： $>>>s>v>>=>>>>u>03>>+>>>>>u>03>>+>>+>>>u>03>>->>>>;>>>$

计算书法字以Y-轴重心为界左右侧倾斜度比例为： $>>>b>h>>=>>>>u>21>>+>>>>>u>21>>+>>+>>>u>21>>->>>>;>>>$

计算书法字以X-轴重心为界左右侧笔墨多寡变化可写作： $>>>b>v>>=>>>>u>12>>+>>>>>u>12>>+>>+>>>u>12>>->>>>;>>>$

(5)根据书法家的个性风格特征向量中的每个特征，对比分析可疑作品中相应的特征，检测可疑点；计算该可疑特征为伪作的概率，如图9所示；

(6)用户提交一幅可疑作品，计算机输出鉴别结果：在作品的可疑书法字上框一个蓝色包围盒，表示该书法字是可疑的，作为该作品可能是伪作的“证据”，如图10所示。

(7)当用户点击可疑作品中标框有蓝色包围盒的书法字时，弹出一个新页面，如图11所示，显示该字为什么可能是伪作的“证据”：可疑书字的可疑笔划被用绿色轮廓线框出，同时检索出该书法家真迹数据库中相应的真迹笔划，同样用绿色轮廓线框出，以便用户对比，并根据提示，了解其为什么可能为伪作。

(8)当用户想知道真迹书法字参考是否可靠，从哪里来时，可点击该真迹书法字，弹出一个新页面，如图12所示，显示该字的原始真迹作品，并框出该字所在位置。