Ταξινόμηση έργων τέχνης ως προς το καλλιτεχνικό ρεύμα με χρήση τεχνικών επεξεργασίας σήματος και αναγνώρισης προτύπων
Artworks style classification based on image processing and pattern recognition techniques
Λέξεις-κλειδιά
Καλλιτεχνικό ρεύμα ; Τεχνητή όραση ; Επεξεργασία εικόνας ; Αναγνώριση προτύπωνΠερίληψη
Η ολοένα και αυξανόμενη ψηφιοποίηση έργων τέχνης και η επιλογή πολλών μουσείων έργων τέχνης να παρουσιάζουν τις συλλογές τους ψηφιοποιημένες στο διαδίκτυο έχουν καταστήσει την αυτοματοποιημένη ανάλυση και ταξινόμηση καλλιτεχνικών έργων πολύ χρήσιμη και σημαντική διαδικασία.
Η παρούσα διπλωματική εργασία πραγματεύεται την αυτοματοποιημένη ταξινόμηση έργων τέχνης ως προς το καλλιτεχνικό ρεύμα με χρήση τεχνικών επεξεργασίας εικόνας και αναγνώρισης προτύπων. Αρχικά, έγινε επισκόπηση των κυριότερων τάσεων στην αυτοματοποιημένη ταξινόμηση έργων ζωγραφικής. Στο πλαίσιο της εργασίας, δημιουργήσαμε βάση δεδομένων με ψηφιοποιημένα έργα τέχνης και ακολούθως εστιάσαμε στην εξαγωγή κατάλληλων χαρακτηριστικών για την κωδικοποίηση του καλλιτεχνικού ρεύματος. Χρησιμοποιήσαμε ταξινομητές για τη διάκριση των πινάκων ως προς το καλλιτεχνικό ρεύμα με βάση τα επιλεγμένα χαρακτηριστικά. Τέλος, έγινε σύγκριση των χρησιμοποιούμενων ταξινομητών ως προς την ικανότητά τους να ταξινομήσουν τα συγκεκριμένα καλλιτεχνικά ρεύματα εξοπλισμένοι με τα επιλεγμένα χαρακτηριστικά.
Περίληψη
The ever-increasing digitization of artworks and the choice of many art museums to display their collections digitized online have made the automated analysis and classification of artworks a very useful and important process.
This thesis deals with the automated classification of works of art according to artistic style using image processing and pattern recognition techniques. Firstly, the main trends in automated painting classification were reviewed. As part of our research, we created a database of digitized artworks and then focused on extracting features suitable to reveal artistic style. We used classifiers to distinguish the paintings in terms of artistic style based on the selected features. Finally, a comparison was made of the used classifiers in terms of their ability to classify the specific artistic style equipped with the selected features.
Αριθμός σελίδων
130Σχολή
Σχολή ΜηχανικώνΑκαδημαϊκό Τμήμα
Τμήμα Μηχανικών Πληροφορικής και ΥπολογιστώνΓλώσσα
ΕλληνικάΣυλλογή
Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές